来源事实
KOPA-Bench研究 → 使用 → 实时验证、轨迹合成与GRPO联合训练流程
使用联合流程的是KOPA-Bench研究,而非基准本身。[S10]区分了包含145个任务的KOPA-Bench基准、通过实时API验证工具连接并合成多步轨迹的EDGE方法,以及随后利用所得数据进行的GRPO模型训练。摘要报告,训练后的9B模型接近同系列未经调优的27B模型。原文作者指出,摘要没有分别衡量各环节的贡献,因此不能将结果归因于其中某个环节。[S10]直接支持所报告的流程和比较,并作为作者归因限制分析的背景资料。