nanoVLM

nanoVLM 是一个轻量级视觉语言模型（VLM）训练与微调框架，专为快速实验和教学设计。其核心采用纯 PyTorch 实现，模型结构高度精简（总代码约 750 行），整合 SigLIP 视觉编码器与 SmolLM2 语言解码器，支持单卡高效训练小规模 VLM（如 222M/450M 参数量）。技术特点包括模块化设计（独立的视觉主干、语言解码器、模态投影层）、简洁训练循环及图像分块等扩展能力。适用于教学演示、VLM 原理研究、资源受限环境下的原型验证与轻量多模态任务探索。