เปรียบเทียบวิธี

	การตอบคำถามแบบปรับตามโดเมน	การเรียนรู้แบบถ่ายโอนด้วยการจำแนกประเภทโดยใช้ BERT
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2019–2020	2019 (BERT); transfer learning paradigm established circa 2010
ผู้ริเริ่ม	Multiple (e.g., Garg et al.; Yue et al.)	Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (BERT); Pan, S. J. & Yang, Q. (transfer learning survey)
ประเภท	Domain adaptation for extractive/generative QA	Pre-trained transformer fine-tuned for classification
แหล่งต้นตำรับ	Garg, S., Vu, T., & Moschitti, A. (2020). TANDA: Transfer and Adapt Pre-Trained Transformer Models for Answer Sentence Selection. Proceedings of the AAAI Conference on Artificial Intelligence, 34(5), 7780–7788.	Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. In Proceedings of NAACL-HLT 2019, 4171–4186. Association for Computational Linguistics.
ชื่อเรียกอื่น	DA-QA, domain-adapted QA, domain-specific question answering, cross-domain question answering	BERT fine-tuning for classification, BERT transfer learning classifier, pre-trained BERT classifier, BERT downstream classification
ที่เกี่ยวข้อง	6	4
สรุป	Domain-adaptive Question Answering (DA-QA) adapts a pre-trained language model — typically BERT or RoBERTa — first trained on general QA benchmarks such as SQuAD to answer questions accurately in a new target domain (e.g., biomedical, legal, financial) where labelled data is scarce. Combining domain-adaptive pre-training with task fine-tuning yields substantially stronger performance than direct fine-tuning alone.	Transfer Learning with BERT-based Classification adapts a large transformer language model, pre-trained on massive text corpora, to a target classification task by fine-tuning its weights on labeled examples. The pre-trained representations encode rich syntactic and semantic knowledge, enabling high accuracy even when the labeled dataset is small.