STEM은 지식 그래프의 구조적 이질성 문제를 해결하기 위해 질문을 관계적 진술로 분해하고 적응형 쿼리 스키마 그래프를 구축하는 새로운 프레임워크예요. 전역적으로 인식하는 노드 앵커링과 서브그래프 검색을 통해 최종 증거 추론 그래프를 얻고, Triple-GNN을 활용하여 전역 구조 정보를 통합해요. STEM은 여러 멀티홉 벤치마크에서 최고 성능을 달성하며 정확도와 증거 완전성을 향상시켰어요.