尽管在过去几年中取得了快速进展，但最近的研究表明，现代图神经网络在一些非常简单的任务上仍然可能失败，例如检测小环。这暗示当前的网络未能捕捉到局部结构的信息，如果下游任务严重依赖于图子结构分析（如化学领域的任务），这是一个严重的问题。我们提出了一种对现在标准的GIN卷积进行的非常简单的修正，使得网络能够在几乎不增加计算时间和参数数量的情况下检测小环。在真实分子属性数据集上的测试结果表明，我们的模型在全球和每个任务设置上都显著优于所有基线模型，在大型多任务数据集上的性能表现尤为突出。