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:2026-07-11 12:50:41
日喀则市市场监督app 福州市第五小学app 金华市第二中学app 嘉峪关市政府公报app 咸阳市养老服务app 朔州市消防局app 唐山市暴雨监控中心app 安顺市电力app 贵阳市第二小学app 萍乡市农业补贴app 钦州市防洪信息app 资阳市土地局app 襄阳市审计公开app 新竹县桥梁管理app 安义县养老服务app 安多县同城app 响水县申建app 米脂县灾害救助app 东平县土地局app 勐腊县学校简介app 平江县新闻中心app 三江侗族自治县服务大厅app 德江县热点专题app 左权县第二高中app 大邑县农业局app 澧县第三高中app 郸城县教育信息app 凤凰县第二高中app 友谊县养殖补助app 巍山彝族回族自治县农业补贴app 巫山县最新新闻app 灵石县榆社县学校app 元谋县第五高中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