كشف النوايا على مستوى الجملة وتعبئة الفراغات على مستوى الرموز هما مهامتان رئيسيتان لفهم اللغة الطبيعية (NLU) في الأنظمة الموجهة نحو المهام. تعتمد معظم الطرق الحالية على افتراض أن الجملة تحتوي على نية واحدة فقط. ومع ذلك، غالبًا ما توجد نوايا متعددة داخل جملة واحدة في السياقات الواقعية. في هذه الورقة، نقترح إطارًا لفهم اللغة الطبيعية متعدد النوايا يُسمى SLIM، يُجري التعلم المشترك للكشف عن النوايا المتعددة وتعبئة الفراغات بناءً على نموذج BERT. وللاستفادة الكاملة من البيانات المُعلَّمة الحالية وفهم التفاعلات بين الفراغات والنوايا، يُقدِّم SLIM فئة تصنيف صريحة للربط بين الفراغات والنوايا، بهدف التعلم للعلاقة متعددة-إلى-واحدة بين الفراغات والنوايا. تُظهر النتائج التجريبية على ثلاث مجموعات بيانات عامة متعددة النوايا (1) الأداء المتفوق لـ SLIM مقارنة بأفضل النماذج الحالية في مجال NLU ذات النوايا المتعددة، و(2) الفوائد المستمدة من استخدام فئة التصنيف الخاصة بالفراغات والنوايا.