Aprendizaje supervisado (Supervised learning)
Aprendizaje automático a partir de pares entrada–salida etiquetados: el modelo aprende a mapear ejemplos a objetivos conocidos.
El aprendizaje supervisado entrena un modelo con pares etiquetados: entradas con salidas correctas conocidas (clases, puntuaciones o completaciones de texto). El optimizador minimiza una pérdida entre predicciones y esas etiquetas.
Es una vertiente central del aprendizaje automático, distinta del clustering sin etiquetas y del aprendizaje por refuerzo guiado por recompensas. El preentrenamiento y el ajuste fino de LLM suelen usar objetivos supervisados en pares fijos; el RLHF añade etapas basadas en preferencias después. El entrenamiento en equipos de producto puede mezclar fases supervisadas, de ajuste fino y RL antes de la inferencia.