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:2026-07-18 5:33:31
松原市住房保障app 揭阳市旅游监督app 葫芦岛市土木工程app 乐山市公共文化服务app 石嘴山市申建app 来宾市第六中学app 齐齐哈尔市水务app 儋州市粮食管理app 焦作市公正处app 萍乡市安全宣传app 金华市消防局app 枣庄市第五中学app 武威市特殊家庭关爱协会app 庆阳市社会求助app 咸阳市水利app 丹东市水务app 锦州市第二中学app 南充市养老服务app 巴中市第二高中app 昆明市卫生协会app 抚州市税务局app 铜仁市未成年保护协会app 周口市农业补贴app 遂溪县便民app 内丘县第一高中app 江达县住房保障app 浮梁县劳动局app 桐庐县第三小学app 湘潭县台风监控中心app 宁蒗彝族自治县振兴乡村app 永德县国土信息app 古县森林消防app 阜南县养老服务app 木兰县第四中学app 乐业县招标信息app 浚县环境保护协会app 淅川县工商信息app 秦安县学校app 石楼县审计公开app 莲花县最新新闻app 叶县第六中学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