本文探讨了领域外意图识别的方法，提出了基于Transformer的编码器微调、广义意图发现（GID）和自适应软伪标签（ASoul）等新技术。这些方法在多个对话数据集上显著提升了意图检测性能，尤其在多轮对话和超出预定义领域的任务中表现突出。通过对比学习和大型语言模型的应用，分析了当前技术的优势与挑战，为未来研究提供了指导。