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 4:13:10
金华市学校简介app 绍兴市惠农app 苏州市服务大厅app 玉溪市第一高中app 宣城市电视台广播app 防城港市公共文化服务app 安庆市防洪app 淮南市未成年保护协会app 孝感市招标信息app 焦作市市场监督app 深圳市惠农app 本溪市残联救助app 漯河市消费协会app 南通市城乡建设app 安顺市税收公开app 嘉兴市重大建设公开app 六安市第四小学app 营口市公开信息app 运城市政务监督app 阜新市热点专题app 桂林市第五小学app 广安市第五小学app 吉安市妇联app 营口市卫生协会app 保山市公益app 交城县应急管理app 拜泉县劳动局app 交口县教育信息app 丰都县历史记录app 元阳县公益app 泽州县土地局app 滨海县最新新闻app 阜城县学校app 金秀瑶族自治县安全宣传app 武功县工商局app 汶上县消费协会app 平和县粮食管理app 宁化县公共文化服务app 阜新蒙古族自治县土木工程app 德清县申建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