Todo gestor de portfólio conhece a fronteira eficiente - o conjunto de portfólios ideais que oferecem retornos máximos para determinados níveis de risco. E se os prompts de IA tivessem sua própria fronteira eficiente? À medida que todos começamos a usar a IA, a otimização imediata será um desafio consistente. GEPA, GEnerative PAreto, é uma técnica para descobrir a fronteira eficiente equivalente para a IA. Lendo o artigo, notei que os resultados iniciais eram promissores, com uma melhoria de 10 pontos em certos benchmarks e um comprimento de prompt 9,2 vezes menor. Comprimento de prompt mais curto, e todos nós sabemos que os prompts de entrada são o maior impulsionador do custo (veja The Hungry, Hungry AI Model). Então, implementei o GEPA no EvoBlog. Para usar o GEPA, devemos identificar os eixos de pontuação que um LLM usa para pontuar uma postagem. Aqui estão os meus: (primeira imagem) Agora que temos essa estrutura, podemos inserir um prompt para gerar uma postagem no blog e fazer com que o sistema EvoBlog itere por meio de diferentes prompts para atender à fronteira eficiente para cada dimensão, ponderada em todas as variáveis - não apenas em uma. Aqui estão as pontuações de duas postagens hipotéticas no blog. Você pode ver que um aumenta mais o estilo, enquanto o outro se concentra no uso de dados. Usando o GEPA, podemos determinar qual é o melhor post geral. Nesse caso, é a postagem focada em dados. Tudo isso para dizer, caro leitor, que só publiquei uma postagem de blog totalmente gerada por IA. Meu objetivo com esses sistemas automatizados é aprender como eles funcionam, como ajustá-los e gerar rascunhos iniciais que se aproximem do meu primeiro e segundo rascunhos. Sempre estarei completando os rascunhos três e quatro. A fronteira eficiente não substitui o insight e uma voz autêntica.