يمكن لنموذج التعرف على النية متعددة الأهداف (Multi-intent SLU) التعامل مع عدة نوايا في جملة واحدة، مما جذب اهتمامًا متزايدًا. ومع ذلك، تعتمد النماذج المتقدمة حاليًا بشكل كبير على النماذج المتسلسلة (autoregressive)، مما يؤدي إلى مشكلتين: بطء في سرعة الاستدلال وتسرب المعلومات. في هذا البحث، نستكشف نموذجًا غير متسلسل (non-autoregressive) للتعامل المشترك بين اكتشاف النية متعددة الأهداف وتعبئة الحقول (slot filling)، مما يحقق أداءً أسرع وأدق. بشكل خاص، نقترح شبكة تفاعل رسمية عالمية-محلية (GL-GIN)، حيث تم اقتراح طبقة تفاعل رسمية محلية مُراعية للحقل (slot-aware) لنمذجة الاعتماد بين الحقول، مما يخفف من مشكلة الحقول غير المنسقة، بينما تم إدخال طبقة تفاعل رسمية عالمية بين النية والحقل لتمثيل التفاعل بين النوايا المتعددة وكل الحقول في الجملة. أظهرت النتائج التجريبية على مجموعتين بيانات عامتين أن إطارنا يحقق أداءً يُعد من أفضل الأداءات الحالية، مع تسريع بنسبة 11.5 مرة.