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:2026-07-17 10:51:47
江门市公开信息app 西宁市振兴乡村app 湘潭市信息公开app 通辽市土地局app 晋中市市场监督app 连云港市助农app 毕节市妇联救助app 宿州市重大建设公开app 沧州市农业补贴app 淮安市街道办app 宣城市水务app 松原市第四小学app 葫芦岛市城乡建设app 信阳市妇联救助app 宣城市水务app 福州市桥梁管理app 青岛市防灾信息app 饶河县安全生产app 通城县安全生产app 称多县不良信息举报app 东明县第二高中app 霍山县公开信息app 临猗县工程造价app 昌黎县铁路管理app 宜丰县第一高中app 建昌县政府公报app 精河县建设局信息app 共和县公共文化服务app 九龙县事业单位app 绥棱县防火app 唐县警务app 泰顺县第五小学app 成安县助农app 屏南县财政信息app 革吉县招标信息app 遂昌县消防宣传app 江孜县专题专栏app 杂多县公路管理app 文安县申建app 来安县特殊家庭关爱协会app 泗阳县便民app 乌鲁木齐县出口管理app 和田县土地局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