# 軽量視覚言語

nanoVLMは、効率的なトレーニングと実験を目的として設計された軽量な視覚言語モデル（VLM）です。

SmolVLM2-2.2B-Instructは2.2Bパラメータの視覚言語モデルで、動画テキストからテキストへのタスクに特化し、英語をサポートしています。

R1-VL-2Bは、段階的グループ相対戦略最適化（StepGRPO）によって訓練された視覚言語推論モデルで、Qwen2-VL-2B-Instructを基に最適化されています。

Qwen2-VL-2B-Instruct はマルチモーダル視覚言語モデルで、画像テキストからテキストへのタスクをサポートします。