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:2026-07-03 3:10:24
攀枝花市第三中学app 赤峰市第三中学app 濮阳市妇联救助app 枣庄市残联救助app 嘉兴市土木工程app 咸阳市防火app 抚顺市残联app 襄阳市第四小学app 周口市建设局信息app 金昌市第六中学app 中卫市电力app 百色市环境保护协会app 上蔡县便民app 临县第三小学app 玛多县振兴乡村app 色达县审计公开app 三穗县公路管理app 靖安县第五中学app 仁布县残联app 若尔盖县第二小学app 扶沟县防洪信息app 通城县残联救助app 九龙县公益app 浪卡子县税务局app 清丰县人社管理app 夹江县征地服务app 肃北蒙古族自治县第二中学app 左权县安全宣传app 滑县农业补贴app 海兴县第一小学app 班戈县电视台广播app 揭西县第一小学app 祁东县财政信息app 定远县第一小学app 平乐县服务大厅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