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:2026-11-19 4:46:24
菏泽市第二高中app 林芝市桥梁管理app 亳州市出口管理app 洛阳市防火app 泸州市工商局app 韶关市环境保护协会app 六盘水市劳动局app 达州市残联app 吉林市电力app 那曲市未成年保护协会app 嘉兴市文旅信息app 阳泉市防灾信息app 拉萨市建设局信息app 青岛市教育信息app 江门市妇联app 遵义市教育局app 雅江县第五高中app 宜黄县粮食管理app 南江县桥梁管理app 大箐山县国土信息app 托克托县城乡建设app 和顺县信息公开app 万荣县水务app 兰考县学校app 琼结县第六中学app 凤县第六中学app 芮城县信息公开app 卓资县电力app 玛多县重大建设公开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