该文综述图神经网络在分布迁移下的泛化问题，指出环境背景存在潜在混淆偏差，提出基于因果推断、不变性学习与风险最小化的方法以学习可泛化预测关系。实验表明，这些方法在多种分布迁移场景中显著提升性能，图分布迁移基准上准确率最高提升27.4%。

本文提出了IRSS框架，利用对抗神经网络和多环境优化实现超域泛化，分离图像中的样式分布和虚假特征。实验证明IRSS优于传统方法，解决了IRM退化问题，实现了在分布迁移下提取不变特征。