اتجاه ناشئ في تعلم التمثيل على الرسوم البيانية للمعرفة (KGs) يتجاوز مهام التنبؤ بالروابط الاستقرائية على مجموعة ثابتة من الكيانات المعروفة لصالح المهام الاستدلالية التي تتضمن التدريب على رسم بياني واحد وإجراء الاستدلال على رسم بياني جديد مع كيانات غير مرئية. في الإعدادات الاستدلالية، غالبًا ما تكون خصائص العقد غير متاحة وتدريب مصفوفات تمثيل الكيانات الضحلة ليس له معنى حيث لا يمكن استخدامها وقت الاستدلال مع الكيانات الغير مرئية. رغم الاهتمام المتزايد، فإن هناك نقصًا في المقاييس المستخدمة لتقييم طرق تعلم التمثيل الاستدلالي. في هذا العمل، نقدم تحدي ILPC 2022، وهو تحدي جديد ومفتوح في مجال التنبؤ بالروابط الاستدلالي على الرسوم البيانية للمعرفة. لهذا الغرض، قمنا ببناء مجموعتين بيانات جديدتين مستندتين إلى Wikidata بحجمين مختلفين للرسوم البيانية المستخدمة في التدريب والاستدلال، وهما أكبر بكثير من المقاييس الاستدلالية الموجودة حاليًا. كما نوفر أيضًا خطين أساسيين قويين يستفيدان من الأساليب الاستدلالية المقترحة مؤخرًا. نأمل أن يساعد هذا التحدي في تنسيق جهود المجتمع في مجال تعلم تمثيل الرسوم البيانية الاستدلالي. يتبع تحدي ILPC 2022 أفضل الممارسات فيما يتعلق بنزاهة التقييم وإعادة الإنتاج، ويمكن الوصول إليه عبر الرابط: https://github.com/pykeen/ilpc2022.