تُركّز أنظمة التعرف على النص متعدد اللغات (MLTR) عادةً على مجموعة ثابتة من اللغات، مما يجعل من الصعب التعامل مع اللغات الجديدة أو التكيف مع التغيرات المستمرة في توزيع البيانات. في هذه الورقة، نُقدّم مهمة التعرف متعدد اللغات التدريجي (IMLTR) في سياق التعلم التدريجي (IL)، حيث تُقدّم اللغات المختلفة بحسب دفعات. تُعدّ IMLTR تحديًا خاصًا بسبب مشكلة عدم التوازن في إعادة التمرين (rehearsal-imbalance)، التي تشير إلى التوزيع غير المتكافئ لحروف العينة في مجموعة إعادة التمرين، والتي تُستخدم لحفظ كمية صغيرة من البيانات القديمة كذكريات سابقة. لمعالجة هذه المشكلة، نقترح شبكة التوجيه المتعددة (MRN). تُدرّب MRN معالجًا للتمييز لكل لغة يتم رؤيتها حاليًا. ثم، يتم تعلّم مُحدّد مجال اللغة بناءً على مجموعة إعادة التمرين لتقييم معالجات التمييز. وبما أن المعالجات تستمدّ من البيانات الأصلية، فإن MRN تقلّل بشكل فعّال من الاعتماد على البيانات القديمة، وتحارب بشكل أفضل النسيان الكارثي، وهي المشكلة الأساسية في التعلم التدريجي. قمنا بتقييم MRN بشكل واسع على مجموعتي البيانات MLT17 وMLT19. وتفوقت على الطرق الحالية العامة للتعلم التدريجي بفارق كبير، مع تحسينات في الدقة المتوسطة تتراوح بين 10.3% و35.8% في ظل ظروف مختلفة. يُمكن الوصول إلى الكود من خلال الرابط: https://github.com/simplify23/MRN.