Ogni gestore di portafoglio conosce la frontiera efficiente - l'insieme di portafogli ottimali che offrono il massimo rendimento per determinati livelli di rischio. E se i prompt dell'AI avessero la loro frontiera efficiente? Man mano che iniziamo tutti a utilizzare l'AI, l'ottimizzazione dei prompt sarà una sfida costante. GEPA, GEnerative PAreto, è una tecnica per scoprire la frontiera efficiente equivalente per l'AI. Leggendo il documento, ho notato che i risultati iniziali erano promettenti, con un miglioramento di 10 punti su alcuni benchmark e una lunghezza del prompt 9,2 volte più corta. Una lunghezza del prompt più corta, e sappiamo tutti che i prompt di input sono il principale fattore di costo (vedi The Hungry, Hungry AI Model). Quindi, ho implementato GEPA in EvoBlog. Per utilizzare GEPA, dobbiamo identificare gli assi di punteggio che un LLM utilizza per valutare un post. Ecco i miei: (prima immagine) Ora che abbiamo questo framework, possiamo inserire un prompt per generare un post del blog e far iterare il sistema EvoBlog attraverso diversi prompt per raggiungere la frontiera efficiente per ogni dimensione, ponderata su tutte le variabili, non solo su una. Ecco i punteggi per due post del blog ipotetici. Puoi vedere che uno ha un picco maggiore nello stile, mentre l'altro si concentra sull'uso dei dati. Utilizzando GEPA, possiamo determinare quale sia il miglior post in generale. In questo caso, è il post incentrato sui dati. Tutto questo per dire, caro lettore, che ho pubblicato solo un post del blog completamente generato dall'AI. Il mio obiettivo con questi sistemi automatizzati è imparare come funzionano, come sintonizzarli e generare bozze iniziali che approssimino le mie prime e seconde bozze. Completerò sempre le bozze tre e quattro. La frontiera efficiente non è un sostituto per l'intuizione e una voce autentica.