微软开源多模态 AI Agent“Magma”:购物时可自动下单,还能推测视频人物行为

微软开源多模态 AI Agent“Magma”:购物时可自动下单,还能推测视频人物行为

作者: 发表时间:2026-06-27 11:52:15
三明市太阳能发电信息app 安顺市教研app 常州市防洪信息app 贵阳市政务服务app 阳江市市场监督app 萍乡市惠农app 孝感市第一小学app 昭通市环境保护协会app 防城港市第四高中app 丽水市国土信息app 三沙市民政管理app 鹤壁市司法管理app 通化市防洪app 松原市通讯协会app 佳木斯市风力发电app 焦作市电力app 沧州市第一小学app 永州市电台广播中心app 迁西县残联app 仁化县防洪信息app 如东县第五小学app 光山县司法管理app 古蔺县历史记录app 永泰县第三高中app 通渭县住房保障app 中江县第四高中app 广平县台风监控中心app 兰坪白族普米族自治县台风信息app 岷县惠农app 马关县第四中学app 于都县政要信息app 临西县第二小学app 马关县民政管理app 罗城仫佬族自治县审计公开app 犍为县台风信息app

感谢本站网友 zhao_31 的线索投递!

本站 2 月 26 日消息,北京时间今日凌晨,微软在官网开源了多模态 AI Agent 基础模型 ——Magma。与传统 Agent 相比,Magma 具备跨数字、物理世界的多模态能力,能自动处理图像、视频、文本等不同类型数据,此外,Magma 还能内置了心理预测功能,增强了对未来视频帧中时空动态的理解能力,能够准确推测视频中人物或物体的意图和未来行为。

用户可以用 Magma 来自动下电商订单、查询天气;也可以自动操作实体机器人,或者在下真实象棋时获得帮助。

根据官方介绍,Magma 能够帮助 AI 驱动的助手或机器人理解周围环境并采取相应行动。例如,它可以帮助家用机器人学习如何整理以前从未见过的物品,或帮助虚拟助手为不熟悉的任务生成逐步的用户界面导航说明。

Magma 是能够适应数字和物理环境中新任务的 VLA(本站注:视觉语言动作)基础模型之一,能够有效地从海量的公开视觉和语言数据中学习知识,从而融合语言、空间和时间智能,应对数字和物理世界中的复杂任务和环境。

本站附开源链接:https://microsoft.github.io/Magma/

相关文章