تم إحراز تقدم سريع في مجال فهم القراءة وإجابة الأسئلة، حيث حققت عدة أنظمة مساواة مع البشر في بعض البيئات المبسطة. ومع ذلك، تنخفض أداء هذه النماذج بشكل كبير عند تطبيقها على سيناريوهات أكثر واقعية، مثل الحالات التي تتضمن إجابات من أنواع مختلفة، أو تكون فيها سلاسل نصية متعددة هي الإجابات الصحيحة، أو تتطلب قدرات استدلال متقطعة. في هذا البحث، نقدم شبكة متعددة الأنواع ومتشابكة (Multi-Type Multi-Span Network - MTMSN)، وهي نموذج عصبي لفهم القراءة يجمع بين محرك تنبؤ بالإجابات من أنواع متعددة مصمم لدعم أنواع إجابات مختلفة (مثل: نطاق النص، العد، النفي، والتعبير الحسابي) ومعالجة استخراج نطاقات متعددة لإنتاج نطاق أو نطاقات نصية متعددة بشكل ديناميكي. بالإضافة إلى ذلك، تم اقتراح آلية إعادة تصنيف التعبير الحسابي لتقييم المرشحين للتعبير عن أجل تأكيد التنبؤ. أظهرت التجارب أن نموذجنا حقق درجة F1 بلغت 79.9 على مجموعة الاختبار الخفية DROP، مما يخلق نتائج جديدة رائدة في المجال. تم إطلاق الكود المصدر\footnote{\url{https://github.com/huminghao16/MTMSN}} لتسهيل العمل المستقبلي.