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 12:46:32
资阳市残联app 广元市政要信息app 白城市论坛app 温州市热点专题app 新乡市残联app 白城市安全生产app 濮阳市桥梁管理app 平顶山市第五小学app 济南市新闻中心app 达州市第二高中app 沈阳市同城app 固原市文旅信息app 龙岩市电视台广播app 丹东市电台广播中心app 湛江市土地局app 石家庄市特殊家庭关爱协会app 长春市惠农app 肇庆市安全宣传app 遂溪县台风信息app 嘉义县审计公开app 遂昌县新闻中心app 临猗县养老服务app 海晏县台风信息app 修文县政务监督app 波密县第六中学app 白玉县第一中学app 祁县第四高中app 安溪县农业局app 五河县惠农app 会宁县残联救助app 襄城县城乡建设app 称多县第四高中app 建昌县第三中学app 宣恩县消防宣传app 盈江县税收公开app 连南瑶族自治县电力app 内黄县第六中学app 吉县工商局app 昌黎县残联救助app 凤阳县灾害救助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