เปรียบเทียบวิธี

	การฝังประโยคหลายภาษา	การจำแนกประเภทโดยใช้ RoBERTa หลายภาษา
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2019–2022	2020
ผู้ริเริ่ม	Reimers, N. & Gurevych, I.; Feng, F. et al. (Google)	Conneau, A. et al. (Facebook AI Research)
ประเภท	Cross-lingual representation learning	Pretrained multilingual transformer fine-tuned for classification
แหล่งต้นตำรับ	Reimers, N. & Gurevych, I. (2020). Making Monolingual Sentence Embeddings Multilingual using Knowledge Distillation. Proceedings of EMNLP 2020, 4512–4525.	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	multilingual sentence representations, cross-lingual sentence embeddings, mSE, multilingual semantic embeddings	XLM-RoBERTa classification, mRoBERTa, cross-lingual RoBERTa classifier, multilingual transformer classification
ที่เกี่ยวข้อง	5	4
สรุป	Multilingual sentence embeddings map sentences from many languages into a single shared vector space so that semantically equivalent sentences — regardless of language — land close together. Models such as LaBSE, multilingual Sentence-BERT, and mUSE have made it practical to compare, retrieve, and classify text across 50 to 100+ languages without translating anything first.	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.