Die Ausdruckskraft von Graphneuronalen Netzen (GNNs) wird oft durch den Vergleich zu k-dimensionalen Weisfeiler-Leman (k-WL) Tests gemessen. Diese Arbeit zeigt jedoch, dass der k-WL Test nicht immer mit den Konzeptualisierungen von Ausdruckskraft durch Praktiker übereinstimmt und auch negative Auswirkungen auf Fairness, Robustheit und Datenschutz haben kann.
Das Hauptziel ist es, die direkte kausale Beziehung zwischen Variablen in einem gerichteten azyklischen Graphen (DAG) effizient zu lernen, wenn nur eine partielle Ordnung der Variablen bekannt ist.