EDGEGEN: Improving Tool-Calling Agents Beyond Happy Paths with Synthetic Edge Case Generation

EDGEGEN 从规范中抽取合规规则，利用数据库状态合成故意触发边界条件的任务，形成自动生成、微调和 harness 优化闭环。tau2bench airline 上微调带来 2%-42% 的平均进步；对 Gemma-4-e4b 做 harness 优化时，比人工 harness 高 10%、比基础版本高 30%，具体收益来自覆盖“违规状态”而非堆更多正常样例。