lmms-finetune

极简代码库，快速微调主流多模态大模型

lmms-finetune 是一个极简的多模态大模型微调代码库，旨在降低 LMM（Large Multimodal Model）微调的门槛。它支持多种主流模型，包括 LLaVA 系列（1.5/1.6、Interleave、Next-Video、OneVision）、Llama 3.2 Vision、Qwen-VL、Qwen2-VL、Phi-3 等，覆盖图像、视频和多模态交错场景。项目解决了多模态微调中代码复杂、依赖繁琐、难以快速上手的问题，提供了统一的训练脚本和数据处理流程，让研究者或开发者能快速在自己的数据上微调模型。核心能力包括：支持单卡/多卡训练、灵活的模型配置、与 Hugging Face 生态兼容、提供示例脚本和文档。作为一个早期项目（GitHub 星标 373），它强调代码的简洁性和可扩展性，适合学术研究和工业原型验证。