Todo gestor de cartera conoce la frontera eficiente: el conjunto de carteras óptimas que ofrecen el máximo rendimiento para niveles de riesgo dados. ¿Qué pasaría si los prompts de IA tuvieran su propia frontera eficiente? A medida que todos comenzamos a usar IA, la optimización de prompts será un desafío constante. GEPA, GEnerative PAreto, es una técnica para descubrir la frontera eficiente equivalente para la IA. Al leer el artículo, noté que los resultados iniciales eran prometedores, con una mejora de 10 puntos en ciertos benchmarks y una longitud de prompt 9.2 veces más corta. Longitud de prompt más corta, y todos sabemos que los prompts de entrada son el mayor impulsor de costos (ver The Hungry, Hungry AI Model). Así que implementé GEPA en EvoBlog. Para usar GEPA, debemos identificar los ejes de puntuación que un LLM utiliza para puntuar una publicación. Aquí están los míos: (primera imagen) Ahora que tenemos este marco, podemos ingresar un prompt para generar una publicación de blog y hacer que el sistema EvoBlog itere a través de diferentes prompts para cumplir con la frontera eficiente para cada dimensión, ponderada a través de todas las variables, no solo una. Aquí están las puntuaciones para dos publicaciones de blog hipotéticas. Puedes ver que una destaca más en estilo, mientras que la otra se centra en el uso de datos. Usando GEPA, podemos determinar cuál es la mejor publicación en general. En este caso, es la publicación centrada en datos. Todo esto para decir, querido lector, que solo he publicado una publicación de blog completamente generada por IA. Mi objetivo con estos sistemas automatizados es aprender cómo funcionan, cómo afinarlos y generar borradores iniciales que se aproximen a mis primeros y segundos borradores. Siempre estaré completando los borradores tres y cuatro. La frontera eficiente no es un sustituto de la percepción y una voz auténtica.