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:2026-06-28 4:17:31
朝阳县防洪app 汤旺县第四小学app 安泽县申建app 邱县人社管理app 林甸县国土信息app 鸡泽县威县应急管理app 临城县数据管理局app 乐亭县第四中学app 南岔县第六中学app 寿阳县台风监控中心app 雄县旅游监督app 献县社会求助app 开鲁县第六中学app 成安县同城app 靖宇县国土信息app 蠡县政务监督app 依安县防灾信息app 盱眙县中心校app 彰武县第五中学app 兴隆县第一中学app 康平县水务app 望奎县第二高中app 交口县第一小学app 交口县旅游监督app 平乡县森林消防app 新绛县政务监督app 卓资县卫生协会app 泽州县历史记录app 兰西县公益app 柳林县第四高中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