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:2026-07-06 2:16:14
汉中市灾害救助app 安阳市征地服务app 那曲市环境保护协会app 亳州市铁路管理app 防城港市热点专题app 日照市政要信息app 鹰潭市第四小学app 嘉兴市第六小学app 台州市助农app 新余市警务app 儋州市税收公开app 温州市第一小学app 郑州市警务app 许昌市农业补贴app 石家庄市国土信息app 黄山市铁路管理app 宜春市振兴乡村app 乌海市最新新闻app 秦安县政府信息公开指南app 青县专题专栏app 诏安县电视台广播app 平罗县历史记录app 盐山县残联救助app 滦平县沧县信息公开app 金堂县司法管理app 繁峙县灾害救助app 积石山保安族东乡族撒拉族自治县文旅信息app 宁阳县安全生产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