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:2026-07-04 12:24:49
咸宁市太阳能发电信息app 儋州市电力app 陇南市新闻中心app 临汾市出口管理app 衡水市财政信息app 株洲市旅游协会app 巴中市妇联app 聊城市养老服务app 新余市水利app 许昌市未成年保护协会app 张掖市土地局app 南充市财政信息app 黄山市第五小学app 汕尾市税务局app 泉州市服务大厅app 长春市便民app 淮南市环境保护协会app 松原市第一小学app 南阳市申建app 三亚市政务服务app 梧州市重大建设公开app 广安市水利app 温州市同城app 酒泉市第六中学app 连云港市市场监督app 湛江市中心校app 长春市第四小学app 鲁山县税收公开app 南丰县桥梁管理app 东兰县应急管理app 长兴县重大建设公开app 崇义县住房保障app 休宁县同城app 浑源县工商局app 昭苏县水利app 华安县南靖县天气监控中心app 钟山县第二中学app 焉耆回族自治县太阳能发电信息app 大宁县教育信息app 崇仁县警务app 沁源县长子县城乡建设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