تم اقتراح إطار تعلم مُراقبة ضعيفة يُسمى التعلم بالعلامات التكميلية مؤخرًا، حيث يتم تزويذ كل عينة بعلامة تكميلية واحدة تشير إلى إحدى الفئات التي لا تنتمي إليها العينة. ومع ذلك، لا يمكن للطرق الحالية للتعلم بالعلامات التكميلية الاستفادة من العينات غير المُراقبة التي تُعد سهلة الوصول، أو من العينات التي تحمل أكثر من علامة تكميلية، وهي عينات أكثر إفادة. ولإزالة هذه القيود، نقترح في هذه الورقة إطارًا جديدًا يُسمى التعلم المتعدد التكميلي والغير مُراقب، الذي يسمح بتقدير غير متحيز لخطر التصنيف من عينات تحتوي على أي عدد من العلامات التكميلية، بالإضافة إلى العينات غير المُراقبة، وذلك لدوال الخسارة والنماذج بأي شكل. نقدم أولًا مُقدّرًا غير متحيز لخطر التصنيف المستمد من العينات التي تحمل أكثر من علامة تكميلية، ثم نُحسّن هذا المُقدّر من خلال دمج العينات غير المُراقبة في صيغة حساب الخطر. تُظهر حدود خطأ التقدير أن الطرق المقترحة تحقق معدل تقارب مثالي من الناحية المعلمية. وأخيرًا، تُظهر التجارب التي أُجريت على نماذج خطية وعميقة فعالية الطرق المُقترحة.