في السياقات الواقعية، يمتلك المستخدمون عادةً عدة نوايا في نفس الجملة الواحدة. للأسف، تركز معظم نماذج فهم اللغة المُنطَقة (SLU) إما على السيناريوهات ذات النية الواحدة، أو تقوم بدمج متجه سياقي عام للنية لجميع الرموز (tokens)، مما يتجاهل دمج المعلومات الدقيقة المتعلقة بعدة نوايا عند التنبؤ بالمقاييس على مستوى الرمز. في هذا البحث، نقترح إطارًا تفاعليًا رمزيًا تكيفيًا (AGIF) للكشف المشترك عن النوايا المتعددة وملء المقاييس، حيث نُدخل طبقة تفاعل رمزية-نية لتمثيل الارتباط القوي بين المقاييس والنيات. وتُطبَّق هذه الطبقة التفاعلية على كل رمز بشكل تكيفي، مما يمنحها ميزة استخراج المعلومات ذات الصلة بالنية تلقائيًا، وبالتالي تحقيق دمج دقيق لمعلومات النية لتحسين التنبؤ بالمقاييس على مستوى الرمز. أظهرت النتائج التجريبية على ثلاث مجموعات بيانات متعددة النوايا تحسنًا كبيرًا، وحقق الإطار أداءً يُعدّ من أفضل الأداءات الحالية (state-of-the-art). وبالإضافة إلى ذلك، حقق الإطار أداءً جديدًا يُعدّ من أفضل الأداءات الحالية على مجموعتي بيانات ذات نية واحدة.