每个投资组合经理都知道有效前沿——在给定风险水平下提供最大回报的最佳投资组合集合。如果AI提示有自己的有效前沿呢？ 随着我们都开始使用AI，提示优化将是一个持续的挑战。GEPA，生成帕累托，是一种发现AI等效有效前沿的技术。 阅读论文时，我注意到初步结果令人鼓舞，在某些基准上提高了10分，提示长度缩短了9.2倍。更短的提示长度，我们都知道输入提示是成本的最大驱动因素（参见《饥饿的AI模型》）。因此，我在EvoBlog中实现了GEPA。 要使用GEPA，我们必须识别LLM用于评分帖子的评分轴。以下是我的评分轴：（第一张图片） 现在我们有了这个框架，我们可以输入一个提示来生成博客文章，并让EvoBlog系统通过不同的提示进行迭代，以满足每个维度的有效前沿，权衡所有变量——而不仅仅是一个。 以下是两个假设博客帖子的评分。你可以看到一个在风格上更突出，而另一个则更注重数据使用。使用GEPA，我们可以确定哪个是更全面的帖子。在这种情况下，是以数据为重点的帖子。 所有这些都是为了告诉亲爱的读者，我只发布过一篇完全由AI生成的博客文章。 我对这些自动化系统的目标是学习它们是如何工作的，如何调整它们，并生成初步草稿，使其接近我的第一和第二稿。我将始终完成第三和第四稿。 有效前沿不能替代洞察力和真实的声音。

一个企业能多快多长时间复合增长？ 这是每个投资者对每个企业（无论是上市公司还是私营公司）都会问的问题。 在2010年代，Slack和Atlassian成为了巨头。在Salesforce宣布收购Slack的那天，它的价值与Atlassian相当，约为270亿美元。 在未来的几年中，收入曲线看起来相似，增长率也相似。Atlassian继续以巨大的规模复合增长。 但从创立日期到达10亿美元的时间差异达十年：17年对比7年。 要创造价值，初创公司必须快速增长并实现规模化；或者在较长时间内持续增长。如今的AI公司增长非常迅速。T3D2公司可以在更长的时间内以较慢的速度增长，以实现相同的市值。 比较OpenAI在10亿美元收入时的400%增长与Atlassian的30%。或者Snowflake的124%。今天Snowflake的市值为750亿美元，Atlassian为420亿美元。领先的优势显而易见。