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:2026-07-19 12:34:41
焦作市防洪信息app 滁州市文旅信息app 惠州市政要信息app 临汾市卫生协会app 萍乡市税务局app 马鞍山市司法管理app 海口市第三小学app 嘉峪关市天气监控中心app 南京市台风监控中心app 哈密市中心校app 河源市粮食管理app 黄冈市第三小学app 白城市信息公开app 邯郸市事业单位app 丽水市台风信息app 伊春市便民app 张掖市政务服务app 三沙市街道办app 潼关县第三中学app 绥中县公正处app 南昌县同城app 青阳县第五小学app 南县公共文化服务app 平阴县消防宣传app 米林县第三高中app 临潭县教研app 信丰县招标信息app 阳原县防灾信息app 连平县第五小学app 西畴县环境保护协会app 东辽县助农app 凤阳县城乡建设app 白河县政府信息公开指南app 惠民县政府公报app 尼木县财政信息app 阿克陶县街道办app 蒙城县消防宣传app 常山县第三高中app 石棉县应急管理app 大姚县便民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