เปรียบเทียบวิธี

	การจำแนกประเภทโดยใช้ RoBERTa แบบปรับตามโดเมน	การจำแนกประเภทโดยใช้ RoBERTa หลายภาษา
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2019–2020	2020
ผู้ริเริ่ม	Liu et al. (RoBERTa); Gururangan et al. (domain-adaptive pretraining)	Conneau, A. et al. (Facebook AI Research)
ประเภท	Pre-trained transformer with domain-adaptive pretraining and task fine-tuning	Pretrained multilingual transformer fine-tuned for classification
แหล่งต้นตำรับ	Liu, Y., Ott, M., Goyal, N., Du, J., Joshi, M., Chen, D., Levy, O., Lewis, M., Zettlemoyer, L., & Stoyanov, V. (2019). RoBERTa: A Robustly Optimized BERT Pretraining Approach. arXiv preprint arXiv:1907.11692.	Conneau, A., Khandelwal, K., Goyal, N., Chaudhary, V., Wenzek, G., Guzman, F., Grave, E., Ott, M., Zettlemoyer, L., & Stoyanov, V. (2020). Unsupervised Cross-lingual Representation Learning at Scale. In Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics (ACL 2020), pp. 8440–8451.
ชื่อเรียกอื่น	DA-RoBERTa, domain-adapted RoBERTa classifier, RoBERTa domain adaptation, domain-specific RoBERTa fine-tuning	XLM-RoBERTa classification, mRoBERTa, cross-lingual RoBERTa classifier, multilingual transformer classification
ที่เกี่ยวข้อง	5	4
สรุป	Domain-adaptive RoBERTa-based classification extends the RoBERTa transformer by first continuing its masked-language-model pretraining on a domain-specific corpus before fine-tuning for a classification task. This two-stage adaptation bridges the gap between general web-crawled training data and specialized fields such as biomedical, legal, or scientific text, consistently outperforming standard RoBERTa fine-tuning when target-domain text is available.	Multilingual RoBERTa-based classification uses XLM-RoBERTa — a transformer pretrained on 100+ languages via masked language modeling — and fine-tunes it on labeled text to assign categories across multiple languages. By sharing a single model across languages, it enables robust cross-lingual and zero-shot text classification without needing separate per-language classifiers.