Dans cet article, nous proposons SI-Agent, un nouveau framework basé sur des agents pour la génération automatique et l'amélioration itérative d'instructions système (IS) guidant les modèles de langage à grande échelle (LLM). SI-Agent se compose de trois agents : un agent instructeur, un agent suiveur d'instructions (LLM cible) et un agent de rétroaction/récompense, qui génèrent et améliorent des SI lisibles par l'homme grâce à un apprentissage itératif piloté par rétroaction. L'agent instructeur modifie les SI en fonction des retours, à l'aide d'algorithmes d'édition ou d'évolution basés sur les LLM. Les résultats expérimentaux démontrent que SI-Agent surpasse les méthodes existantes en termes de performances et d'interprétabilité.
