本研究批判性审视了图机器学习中的常见信念，如过度平滑、过度挤压、同质性与异质性二元论及长范围任务。通过反例，旨在澄清这些误解，促进深入讨论。

本文评估了图注意力网络（GAT）中层数与性能的关系，提出了ADGAT模型，通过残差连接解决了Oversquashing现象，显著提升了性能。同时，介绍了新型图神经网络架构GAMLP和DGAT，均在多个数据集上表现优异，推动了图结构数据处理的进展。