本文探讨了基于图神经网络和知识图谱的学习方法，提出了自适应传播路径和归纳推理模型，以解决新实体稀疏性问题。研究表明，这些方法在知识图谱推理中表现优越，尤其在少样本场景下，显著提升了推理能力和效率。

Bongard-OpenWorld是一个新的基准测试，用于评估机器视觉领域的真实世界少样本推理。该测试有助于更好地理解当前视觉智能的局限性，并促进未来对具有较强少样本视觉推理能力的视觉智能体的研究。