本文介绍了一种利用神经句向量和异常检测技术检测短文本中的错误和独特样本的方法。研究提出了新的数据采集流程，有效去除错误数据并挖掘独特数据，从而提升意图分类和槽位填充模型的鲁棒性。此外，探讨了大型语言模型在异常检测中的应用，提出多种度量方法以改善模型的效率和安全性。