La resolución de conflictos para grafos de conocimiento (KGs) es una técnica crítica en la fusión de conocimiento, asegurando la resolución de conflictos entre KGs existentes y conocimiento externo mientras se mantiene la precisión posterior a la fusión. Sin embargo, los enfoques actuales a menudo encuentran dificultades con triples externos que involucran entidades no vistas debido al conocimiento limitado. Además, las metodologías actuales suelen pasar por alto la detección de conflictos antes de la resolución, un paso crucial para una inferencia de verdad precisa. Este documento introduce , un enfoque innovador que aprovecha la detección de conflictos y modelos de lenguaje grandes (LLMs) para identificar verdades. Al emplear la detección de conflictos, implementamos estrategias de filtrado precisas adaptadas a varios tipos de relaciones y atributos. Al diseñar indicaciones e inyectar información relevante en un LLM, identificamos triples con entidades no vistas. Los resultados experimentales demuestran la superioridad de sobre los métodos de referencia. Específicamente, nuestro método supera el estado del arte al lograr una mejora del 56.4% en la recuperación y un aumento del 68.2% en la puntuación F1. Estos resultados ilustran claramente el rendimiento mejorado y la efectividad de nuestro enfoque. Además, los estudios de ablación y los análisis adicionales subrayan la importancia de los componentes dentro de .