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 2:52:48
伊春市农业app 青岛市公开信息app 中山市台风监控中心app 内江市公共法律服务app 嘉兴市残联app 雅安市风力发电app 淮北市养殖补助app 阳江市热点专题app 佳木斯市重大建设公开app 牡丹江市第五中学app 呼伦贝尔市市场监督app 常德市电视台广播app 济南市消费协会app 宣城市农业app 自贡市铁路管理app 鄂州市公共法律服务app 安多县电视台广播app 聂拉木县卫生协会app 花莲县电力app 金塔县第五小学app 姚安县服务大厅app 故城县粮食管理app 南澳县国土信息app 岐山县政府信息公开指南app 永清县森林消防app 乐亭县消费协会app 阳曲县数据管理局app 麟游县电力app 凌云县暴雨监控中心app 三都水族自治县社会求助app 石泉县政务服务app 蠡县第五中学app 夏津县惠农app 和平县养老服务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