เปรียบเทียบวิธี

	การจำแนกประเภทข้อความแบบกึ่งมีผู้สอนโดยใช้ BERT	การจำแนกประเภทโดยใช้ RoBERTa
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2019–2020	2019
ผู้ริเริ่ม	Multiple groups (Xie et al.; Chen et al.; Devlin et al. for BERT base)	Liu, Y. et al. (Facebook AI Research / University of Washington)
ประเภท	Semi-supervised fine-tuning of pre-trained transformer	Pre-trained transformer fine-tuned for sequence classification
แหล่งต้นตำรับ	Xie, Q., Dai, Z., Hovy, E., Luong, T., & Le, Q. (2020). Unsupervised Data Augmentation for Consistency Training. Advances in Neural Information Processing Systems (NeurIPS), 33, 27780–27792.	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.
ชื่อเรียกอื่น	Semi-supervised BERT, BERT SSL Classification, BERT with Unlabeled Data, BERT Semi-supervised Fine-tuning	RoBERTa classifier, RoBERTa text classification, Robustly Optimized BERT Classification, RoBERTa fine-tuning for classification
ที่เกี่ยวข้อง	6	5
สรุป	Semi-supervised BERT-based classification fine-tunes a pre-trained BERT encoder on a small pool of labeled text examples while simultaneously leveraging a much larger body of unlabeled text — via consistency training, pseudo-labeling, or data augmentation — to produce high-quality classifiers even when manual annotation is scarce.	RoBERTa-based Classification applies the RoBERTa pre-trained transformer — trained more robustly than BERT with dynamic masking and larger batches — to text categorisation tasks by adding a lightweight classification head on top of the [CLS] token representation and fine-tuning the entire model on labelled examples. It consistently matches or outperforms BERT on standard NLP benchmarks.