韩国公共 API 多步工具调用：基准 KOPA-Bench 与实时执行合成框架 EDGE

数据主权法规日益要求公共机构部署开源、本地化部署的 LLM 智能体，以在实际运行的政府 API 之间串联多次工具调用。然而，开源模型在这一多步调用场景下的表现始终欠佳，且现有基准测试均未对这一差距进行评估。为此，我们推出了包含 145 个真实场景任务的韩国开放公共 API 基准（KOPA-Bench）。为了弥合这一差距，我们提出了 EDGE——一种由实际运行驱动、基于执行验证的工具调用数据合成动态图。EDGE 构建了表示各工具输出如何作为其他工具输入的图结构，仅保留在真实 API 上实际调用成功的链接，并通过遍历这些经过验证的链接来合成可执行的多步轨迹。在生成的数据集上通过 GRPO 微调后，我们的 9B 模型性能几乎媲美同系列未微调的 27B 模型，不仅在 KOPA-Bench 上表现优异，在 BFCL 基准测试中也取得了显著提升。