本研究探讨了图神经网络中引入注意机制后出现的一个未被充分研究的问题：大量激活（MAs），提出了一种新的检测和分析方法，重点关注不同图变换器架构中的边特征，并发现注意机制与MAs的产生之间存在直接联系，提出显性偏差项（EBT）作为潜在对策。揭示了注意机制、模型架构和数据集特征之间的复杂关系，为开发更稳健的图模型提供了重要见解。