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 4:55:26
邯郸市工程造价app 那曲市环境保护协会app 青岛市政务监督app 黄山市工程造价app 池州市征地服务app 佛山市铁路管理app 荆门市街道办app 芜湖市人社管理app 抚州市学校简介app 邯郸市税务局app 崇左市教育信息app 宁波市住房保障app 阜新市工商信息app 毕节市第四高中app 扬州市第三小学app 益阳市文旅信息app 长沙市粮食管理app 铁岭市第四中学app 张掖市热点专题app 朝阳市旅游协会app 济南市人社管理app 朝阳市公益app 滁州市公路管理app 吴忠市特殊家庭关爱协会app 海口市公正处app 六盘水市第三中学app 渭南市应急管理app 蚌埠市环境保护协会app 贵阳市旅游监督app 惠安县重大建设公开app 贡嘎县街道办app 宜丰县特殊家庭关爱协会app 桦川县社会求助app 梓潼县消防局app 左云县天气监控中心app 昌宁县残联app 澄迈县历史记录app 海原县妇联app 吴桥县风力发电app 上杭县台风信息app 中阳县工商信息app 白朗县政府公报app 卢氏县第五高中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