监督学习
机器学习的主要范式之一，使用带有标签的训练数据，目标是学习从输入特征到输出标签的映射函数，涵盖分类和回归两大子任务
核心事实
时间轴 (近 90 天)
该研究将LLM后编辑从推理时的提示工程问题转化为监督学习问题，用oracle信息指导模型学习何时选择、何时重写。
监督学习要求人为提供标注好的数据类别，无监督学习自动对数据对象进行归类和聚类，强化学习通过奖励机制引导模型学习。
财报预测任务有明确的客观标准，实际财报公布后预测准确与否一目了然，属于机器学习擅长的监督学习场景
深度估计主流方法分为两大路线：基于几何的多视图立体（MVS）和基于深度学习的单目深度估计
分布外泛化失败是当前监督学习范式的固有局限，增加人工复核无法根本解决
审核模型的训练数据高度依赖历史违规样本，对艺术、学术和文化语境缺乏区分能力
监督学习通过给数据打上标签让机器学习图片与标签的关系来做预测
强化学习本质上是数据饥渴的，每一轮迭代都需要新鲜的轨迹或演示数据来学习
在几乎没有缺陷样本的工业检测场景中，应优先考虑异常检测而非监督学习，因为拥有的是海量良品而非缺陷
强化学习与监督学习不同，RL不需要标注数据，而是通过试错学习最优行为
还有 10 条时间轴事件
全部知识事实 (20)
机器学习分为监督学习、非监督学习和半监督学习三大类
80%已验证与依赖标注数据的监督学习不同，强化学习不需要人工提供正确答案，而是让智能体在试错过程中自主发现最优行为路径
75%已验证Supervised learning training uses labeled data consisting of sample pairs of known inputs and their corresponding outputs.
70%已验证仅用成功轨迹训练的模型往往存在分布外泛化的严重缺陷，遇到工具返回错误时便丧失纠偏能力
70%已验证强化学习中的智能体不依赖标注数据，而是通过与环境的持续交互，依据奖励信号不断调整策略
65%已验证监督学习与无监督学习的根本区别在于训练数据中是否存在标签
65%部分验证Machine learning is typically divided into three major paradigms: supervised learning, unsupervised learning, and reinforcement learning.
65%待验证回归用于预测连续型数值，是监督学习中最基础的部分
60%待验证该研究将LLM后编辑从推理时的提示工程问题转化为监督学习问题，用oracle信息指导模型学习何时选择、何时重写。
50%待验证监督学习要求人为提供标注好的数据类别，无监督学习自动对数据对象进行归类和聚类，强化学习通过奖励机制引导模型学习。
50%待验证财报预测任务有明确的客观标准，实际财报公布后预测准确与否一目了然，属于机器学习擅长的监督学习场景
50%待验证深度估计主流方法分为两大路线：基于几何的多视图立体（MVS）和基于深度学习的单目深度估计
50%待验证分布外泛化失败是当前监督学习范式的固有局限，增加人工复核无法根本解决
50%待验证审核模型的训练数据高度依赖历史违规样本，对艺术、学术和文化语境缺乏区分能力
50%待验证监督学习通过给数据打上标签让机器学习图片与标签的关系来做预测
50%待验证强化学习本质上是数据饥渴的，每一轮迭代都需要新鲜的轨迹或演示数据来学习
50%待验证在几乎没有缺陷样本的工业检测场景中，应优先考虑异常检测而非监督学习，因为拥有的是海量良品而非缺陷
50%待验证强化学习与监督学习不同，RL不需要标注数据，而是通过试错学习最优行为
50%待验证AI欺诈检测依赖监督学习（对新申请进行欺诈概率评分）和无监督学习（聚类分析和异常检测）两大技术路径
50%待验证监督学习模型的能力受限于数据质量天花板，无法超越教师算法水平
50%