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:2026-06-30 12:45:27
张家界市第六小学app 连云港市政务监督app 盘锦市教研app 咸宁市社会求助app 鸡西市市场监督app 莆田市通讯协会app 东营市粮食管理app 克拉玛依市农业局app 龙岩市政务监督app 商洛市政要信息app 商洛市灾害救助app 佛山市教育信息app 商丘市公共法律服务app 固原市文旅信息app 西宁市第三中学app 东营市出口管理app 莆田市申建app 茂名市数据管理局app 红原县审计公开app 理塘县应急管理app 平潭县数据管理局app 奉节县农业app 皮山县振兴乡村app 多伦县第一小学app 陆川县重大建设公开app 清水县应急管理app 清水县征地服务app 盐山县工程造价app 亚东县通讯协会app 汉寿县社会求助app 佛冈县消费协会app 南岔县妇联app 泾县招标信息app 新田县数据管理局app 错那县警务app 青县卫生协会app 阳曲县历史记录app 勐腊县应急管理app 兰陵县养殖补助app 资源县专题专栏app 寿阳县防灾信息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