すべてのポートフォリオマネージャーは、効率的なフロンティア、つまり特定のリスクレベルで最大のリターンを提供する一連の最適なポートフォリオを知っています。AI プロンプトに独自の効率的なフロンティアがあったらどうなるでしょうか? 私たち全員がAIを使い始めるにつれて、迅速な最適化は一貫した課題になります。GEPA(GEnerative PAreto)は、AIの同等の効率的なフロンティアを発見する手法です。 この論文を読んで、特定のベンチマークで 10 ポイント改善され、プロンプトの長さが 9.2 倍短縮されるなど、初期の結果が有望であることに気づきました。プロンプトの長さが短くなり、入力プロンプトがコストの最大の要因であることは誰もが知っています (「Hungry, Hungry AI モデル」を参照)。そこで、EvoBlogにGEPAを実装しました。 GEPA を使用するには、LLM が投稿のスコアリングに使用するスコアリング軸を特定する必要があります。これが私のものです:(最初の画像) このフレームワークができたので、プロンプトを入力してブログ投稿を生成し、EvoBlog システムにさまざまなプロンプトを反復処理して、1 つだけでなくすべての変数に重み付けされた各次元の効率的なフロンティアを満たすことができます。 以下は、2つの架空のブログ投稿のスコアです。一方はスタイルに重点を置き、もう一方はデータ使用量に重点を置いていることがわかります。GEPAを使用すると、どちらが優れたオールラウンドポストであるかを判断できます。この場合は、データ重視の投稿です。 親愛なる読者の皆さん、私は AI によって完全に生成されたブログ投稿を 1 つしか公開していないということです。 これらの自動化システムの私の目標は、それらがどのように機能するか、どのように調整するかを学び、私の初稿と第2稿に近似した初稿を生成することです。私は常にドラフト3と4を完成させます。 効率的なフロンティアは、洞察力と本物の声に代わるものではありません。