เปรียบเทียบวิธี
ดูวิธีที่เลือกเทียบกันแบบเคียงข้าง แถวที่ต่างกันจะถูกเน้นไว้
| แบบจำลองการแพร่กระจายหลายภาษา× | การจำแนกประเภทโดยใช้ RoBERTa หลายภาษา× | |
|---|---|---|
| สาขาวิชา | การเรียนรู้เชิงลึก | การเรียนรู้เชิงลึก |
| ตระกูล | Machine learning | Machine learning |
| ปีกำเนิด≠ | 2020–2023 | 2020 |
| ผู้ริเริ่ม≠ | Ho, J., Jain, A., & Abbeel, P. (diffusion foundation); multilingual NLP extensions by various authors (2022–2024) | Conneau, A. et al. (Facebook AI Research) |
| ประเภท≠ | Generative model (denoising diffusion process, multilingual extension) | Pretrained multilingual transformer fine-tuned for classification |
| แหล่งต้นตำรับ≠ | Ho, J., Jain, A., & Abbeel, P. (2020). Denoising Diffusion Probabilistic Models. Advances in Neural Information Processing Systems (NeurIPS), 33, 6840–6851. link ↗ | 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. DOI ↗ |
| ชื่อเรียกอื่น | Multilingual DiffuSeq, Cross-lingual Diffusion Model, Multilingual DDPM, Multilingual Denoising Diffusion | XLM-RoBERTa classification, mRoBERTa, cross-lingual RoBERTa classifier, multilingual transformer classification |
| ที่เกี่ยวข้อง≠ | 5 | 4 |
| สรุป≠ | A Multilingual Diffusion Model adapts the denoising diffusion probabilistic framework to work across multiple languages, enabling cross-lingual text generation, translation, and language-agnostic content synthesis. By conditioning on multilingual representations, the diffusion process learns a shared latent space that spans linguistic boundaries, producing high-quality outputs for low- and high-resource languages alike. | 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. |
| ScholarGateชุดข้อมูล ↗ |
|
|