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:2026-07-18 4:57:50
资阳市学校简介app 石嘴山市振兴乡村app 惠州市第一中学app 邵阳市台风监控中心app 绥化市农业app 抚州市文旅信息app 牡丹江市应急管理app 吴忠市第三小学app 齐齐哈尔市法律服务app 忻州市论坛app 汕尾市天气监控中心app 关岭布依族苗族自治县农业补贴app 海晏县非物质文化遗产app 鲁甸县风力发电app 鹿寨县通讯协会app 福海县环境保护协会app 红河县市场监督app 和林格尔县助农app 博爱县应急管理app 梁山县电视台广播app 金门县数据管理局app 若尔盖县税务局app 丹凤县通讯协会app 子洲县不良信息举报app 新龙县财政信息app 永丰县防洪信息app 新平彝族傣族自治县公共文化服务app 阿合奇县防洪信息app 嵊泗县第五小学app 永泰县人社管理app 都安瑶族自治县非物质文化遗产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