Überwachtes Lernen (Supervised Learning)
Maschinelles Lernen aus gelabelten Eingabe-Ausgabe-Paaren: Das Modell lernt, Beispiele auf bekannte Ziele abzubilden.
Überwachtes Lernen trainiert ein Modell auf gelabelten Paaren: Eingaben mit bekannten Soll-Ausgaben (Klassen, Scores oder Textvervollständigungen). Der Optimierer minimiert einen Verlust zwischen Vorhersage und Label.
Es ist ein zentraler Strang des maschinellen Lernens, zu unterscheiden von unüberwachtem Clustering und vom verstärkenden Lernen mit Belohnungssignal. Pretraining und Fine-Tuning von LLMs nutzen oft überwachte Ziele auf festen Paaren; RLHF ergänzt Präferenzstufen danach. Training in Produktteams kann überwachte, Fine-Tuning- und RL-Phasen vor Inferenz mischen.