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:2026-07-14 5:58:17
常州市非物质文化遗产app 三门峡市工商信息app 攀枝花市土木工程app 钦州市防洪信息app 龙岩市重大建设公开app 南宁市土地局app 乌兰察布市非物质文化遗产app 郑州市人社管理app 齐齐哈尔市消防局app 嘉兴市第二高中app 灵寿县防火app 仪陇县不良信息举报app 聂荣县信息公开app 革吉县第一小学app 东丰县第二中学app 浚县政务服务app 彭阳县特殊家庭关爱协会app 民乐县工商信息app 泾源县数据管理局app 富宁县农业局app 昭苏县街道办app 泰和县土地局app 江陵县粮食管理app 翁源县工商信息app 元氏县同城app 东山县防洪信息app 大田县不良信息举报app 方正县农业补贴app 称多县养老服务app 平潭县税务局app 富裕县不良信息举报app 新河县财政信息app 翁源县中心校app 易县征地服务app 新龙县第六中学app 宁武县第一小学app 阜宁县工商信息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