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:2026-07-03 9:20:19
盘锦市建设局信息app 台州市第二高中app 漯河市养老服务app 呼伦贝尔市中心校app 保定市电台广播中心app 中卫市征地服务app 朝阳市农业补贴app 梧州市农业补贴app 日照市法律服务app 玉溪市税收公开app 潮州市残联app 台州市政务监督app 周口市工程造价app 内江市学校简介app 龙胜各族自治县第五高中app 博白县环境保护协会app 宁南县第四高中app 威宁彝族回族苗族自治县防灾信息app 仲巴县天气监控中心app 尤溪县政要信息app 额敏县惠农app 文成县桥梁管理app 东安县第三小学app 舟曲县通讯协会app 禄丰县振兴乡村app 武定县妇联app 靖安县台风监控中心app 镇安县第二小学app 赞皇县第二高中app 霍邱县申建app 贵南县养老服务app 忻城县第一高中app 石渠县同城app 新竹县文旅信息app 亚东县旅游协会app 伽师县应急管理app 衡阳县农业app 全椒县论坛app 无棣县防灾信息app 洛川县数据管理局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