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:2026-07-20 7:42:44
九江市司法管理app 昆明市消防局app 曲靖市电台广播中心app 韶关市第四高中app 四平市土地申报app 石嘴山市文旅信息app 普洱市第五高中app 临沂市财政信息app 保定市公共法律服务app 赣州市税务局app 吴忠市消防宣传app 太原市同城app 阳江市学校简介app 巴中市便民app 绍兴市申建app 朝阳市非物质文化遗产app 岐山县电视台广播app 舞阳县第四小学app 沙湾县安全宣传app 泸西县专题专栏app 临武县妇联app 遂平县公益app 华安县南靖县安全宣传app 全椒县税收公开app 永修县审计公开app 德格县农业app 合浦县第一高中app 资溪县学校app 长阳土家族自治县台风监控中心app 肇州县最新新闻app 德清县天气监控中心app 洛浦县第四高中app 右玉县政务监督app 白沙黎族自治县社会求助app 文成县政要信息app 沂南县天气监控中心app 富民县税收公开app 留坝县农业补贴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