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:2026-07-15 3:35:46
赣州市公共法律服务app 龙岩市电台广播中心app 山南市工程造价app 南充市财政信息app 本溪市教育局app 中山市新闻中心app 梅州市公益app 泰州市专题专栏app 固原市审计公开app 盘锦市同城app 唐山市农业局app 孝感市征地服务app 毕节市税收公开app 昌都市论坛app 泸州市农业局app 孝感市防洪app 漳州市第二高中app 海口市电力app 鞍山市第五中学app 长沙市第二小学app 聊城市未成年保护协会app 白城市出口管理app 泸州市农业app 南通市公共文化服务app 梅州市最新新闻app 揭阳市第四中学app 福州市第四小学app 资阳市残联救助app 安康市第三小学app 天水市工商信息app 泸西县公路管理app 台江县电力app 曲麻莱县灾害救助app 歙县历史记录app 白河县同城app 小金县未成年保护协会app 巧家县工商局app 崇阳县台风信息app 焉耆回族自治县台风监控中心app 山阳县学校简介app 凤山县工商局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