ModelНе подтверждена
zzzluvst/MiniCPM5-2B-SWE-smith-GRPO
Модель поведения агента: используется для выбора действий в среде в задачах обучения с подкреплением.
Owner / publisherzzzluvst
Source publisher
zzzluvst
This owner's products in the Peerivo catalog.
Open owner's website ↗