图神经网络：消息传递
社交网络、分子、知识图谱都是图：一堆节点，靠边连起来。图神经网络（GNN）处理图的核心动作叫消息传递：每个节点把自己的特征发给邻居，再把收到的邻居特征汇总（取平均）来更新自己。叠一层，每个节点就“认识”了它的直接邻居；叠两层，认识邻居的邻居……信息顺着边一圈圈扩散。但层数太多会出问题：所有节点越来越像，最后糊成一团、谁也分不出谁——这叫过平滑。拖动“传播层数”，看两簇泾渭分明的节点怎样慢慢被“熨平”成一锅粥。
两簇节点：左簇初始值高（红），右簇初始值低（蓝），中间一个桥节点。每传播一层，节点 = 自己和邻居的平均。看颜色怎样沿边扩散、最终趋同。
消息传递
节点收邻居特征、取平均更新自己。这是几乎所有 GNN 的统一框架。
多层=看更远
L 层后，每个节点融合了 L 跳范围内的信息，感受野沿图结构扩大。
过平滑陷阱
层数太多，所有节点趋同、特征被“熨平”，反而分不开——GNN 通常不宜太深。