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:2026-07-02 6:41:17
运城市市场监督app 衢州市便民app 鹤壁市安全宣传app 那曲市住房保障app 盘锦市防洪app 无锡市重大建设公开app 广元市教育信息app 合肥市第四高中app 襄阳市信息公开app 徐州市防灾信息app 新余市政务服务app 佛山市第二高中app 威海市政要信息app 邵阳市第五高中app 深圳市建设局信息app 会同县环境保护协会app 雷波县振兴乡村app 礼泉县学校简介app 雄县应急管理app 丰林县民政管理app 平遥县防灾信息app 拜泉县第六小学app 夹江县教研app 顺平县征地服务app 汝南县建设局信息app 通城县助农app 三江侗族自治县水利app 镇巴县人社管理app 汉寿县应急管理app 汶川县政务服务app 夏河县台风监控中心app 祥云县土木工程app 富民县国土信息app 灌云县便民app 孟津县工程造价app 乡城县学校简介app 丘北县社会求助app 当涂县国土信息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