Дообученная GRPO модель Qwen3-1.7B для решения задач Python из MBPP с запуском и итеративной проверкой кода в инструментальной среде.
Подходит для: решение задач MBPP на Python с проверкой скрытыми тестами · написание и исправление небольших функций Python через интерактивный интерпретатор · итеративная отладка кода по сообщениям об ошибках