通过韩国开放公共 API 进行多步工具调用：基准和数据合成方法

数据主权法规越来越要求公共机构部署开源的本地 LLM 智能体，这些智能体跨实时政府 API 链接多个工具调用。然而，开源模型在这种多步骤设置中始终表现不佳，并且没有现有的基准来衡量差距。我们引入了韩国开放公共 API 基准 (KOPA-Bench)，其中包含 145 项实际任务。为了弥补这一差距，我们提出了 EDGE，这是一种基于执行的动态图，用于由实时执行驱动的工具调用数据合成。 EDGE 构建一个图表，显示每个工具的输出如何提供另一个工具的输入，仅保留实际调用实时 API 时成功的链接，并遍历这些经过验证的链接以合成可执行的多步轨迹。通过 GRPO 对生成的数据集进行微调，我们的 9B 模型几乎与同一系列中未调整的 27B 模型相匹配，不仅在 KOPA-Bench 上而且在 BFCL 基准上都有显着改进。