EVENT DOSSIER
韩国研究机构于 2026 年 9 月发布 KOPA-Bench 基准测试，包含 145 个真实世界任务，旨在评估开源模型在跨政府 API 多步工具调用中的表现。为解决现有评估标准缺失及模型性能差距问题，团队提出基于执行动态图的数据合成方法 EDGE。该方法通过构建工具输入输出关联图谱并筛选成功调用链路，生成可执行的复杂轨迹数据。经 GRPO 微调的 9B 参数模型在 KOPA-Bench 及 BFCL 基准测试中表现显著优于同家族未微调的 27B 模型，实现了性能逼近的效果。
韩国研究机构发布多步骤工具调用基准测试 KOPA-Bench，包含 145 个真实世界任务。为解决开源模型在跨政府 API 多步调用中表现不佳且缺乏评估标准的问题，团队提出基于实时执行的动态图数据合成方法 EDGE。EDGE 构建工具输出…
韩国研究人员推出 KOPA-Bench 基准测试，包含 145 个真实任务，旨在评估开源模型在跨政府 API 多步工具调用中的表现差距。为此，团队提出 EDGE（基于执行动态图的工具调用数据合成）方法，利用实时 API 调用构建并验证工具…
韩国研究机构发布多步骤工具调用基准测试 KOPA-Bench，包含 145 个真实世界任务。为解决开源模型在跨政府 API 多步调用中表现不佳且缺乏评估标准的问题，团队提出基于实时执行的动态图数据合成方法 EDGE。EDGE 构建工具输出与输入关联图谱，仅保留实际调用成功的链接以生成可执行的多步轨迹。经 GRPO 微调的 9B 模型在 KOPA-Bench 及 BFCL 基准测试中表现显著优于同家族未微调的 27B 模型，实现了性能逼近的效果。
韩国研究人员推出 KOPA-Bench 基准测试，包含 145 个真实任务，旨在评估开源模型在跨政府 API 多步工具调用中的表现差距。为此，团队提出 EDGE（基于执行动态图的工具调用数据合成）方法，利用实时 API 调用构建并验证工具间的数据流转链路，进而合成可执行的复杂轨迹。该数据集经 GRPO 微调后，使 9B 参数模型性能接近同家族未调优的 27B 模型，不仅显著提升了 KOPA-Bench 表现，也在 BFCL 基准测试中取得进步。