转发 Jared Friedman：Claude 是通过人类编码会话进行强化学习训练的。但我越用 Claude Code，就越意识到自己正在被 Claude Code 强化学习——学习如何给它最佳指令，了解它容易忘记或误解什么。感觉这像是一种人机共同进化。
Jared Friedman 指出，Claude 最初是通过人类编码会话进行强化学习（RL）训练的。但随着他频繁使用 Claude Code，他发现自己也在被 Claude Code "反向强化学习"——不断摸索如何给出最佳指令，以及了解模型容易遗忘或误解的地方。他认为这是一种人类与 AI 之间的共同进化形式。
背景速读
- RL 是"强化学习"（Reinforcement Learning）的缩写，是一种机器学习训练方法——模型通过与人类交互获得反馈，逐步学会更优的行为。Jared Friedman 是 AI 公司 Anthropic 的团队成员，参与过 Claude 模型的开发。
- Claude Code 是 Anthropic 推出的一个面向编程场景的工具/交互模式，开发者可以用自然语言指令让 Claude 直接编写或修改代码。
- 这条推文的核心观点是：表面上人类在"训练"AI（通过 RL 让 Claude 学会编程协作），但实际使用中人类也在被 AI "反训练"——用户会不自觉调整自己下达指令的方式，学会避开 AI 容易误解的表述，形成一种双向适应的关系。
- "人机共同进化"（human/AI co-evolution）是这个现象的概括术语，强调双方都在变化和适应，而非单方面的工具使用。