许多实际问题可以用图结构表示。传统 GNN 只在一阶邻居间传递信息，导致深度加深出现过平滑，长程依赖被压缩，固定邻域限制感受野，异质图上邻居甚至成为噪声。已有工作多聚焦单一症状，缺乏统一方案。为此我们提出基于位置编码的可变形空间聚合模块（PEBDSAM），在位置空间引入可变形机制，动态寻找与中心节点相关的远程节点，补充一阶邻居信息，使 GNN 能适应异质图。
诊断实验发现当前偏移量几乎不起作用，进一步分析了偏移失效的原因，并解释即使偏移失效模型仍能提升的机制，指明后续研究方向。基于诊断结果我们简化为位置编码空间聚合模块（PEBSAM），并推出轻量版 PEBSAM‑Speed 以处理大规模数据。模块设计为即插即用，分别嵌入 GCN、GAT、GIN、GraphSAGE，在三个同质数据集和六个异质数据集上均取得显著提升。点评