本文介绍了一种基于Connection Subgraph Reasoner的少样本知识图谱补全方法，实验结果表明其优于现有技术。同时，提出了ZeroKBC基准测试，探讨零样本知识库完善的挑战。通过生成式语言模型和多维框架（KMF），解决知识图谱构建中的核心问题，提升语义相关性。ZeroG框架扩展了零样本迁移学习，显著提高跨数据集的迁移能力，而UniGraph框架则增强了对未见图的泛化能力。