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:2026-07-13 3:41:47
赤峰市安全生产app 宿迁市教研app 黄山市消费协会app 安康市最新新闻app 林芝市桥梁管理app 郴州市警务app 南宁市通讯协会app 大同市市场监督app 河源市教研app 佳木斯市未成年保护协会app 松原市公益app 梅州市第五中学app 德州市防火app 龙岩市卫生协会app 攀枝花市人社管理app 泰州市第六小学app 临汾市惠农app 拉萨市信息公开app 镇坪县出口管理app 大通回族土族自治县学校简介app 新宁县环境保护协会app 合江县电力app 岐山县第一中学app 湄潭县残联app 元氏县政府公报app 浮梁县第三小学app 宜黄县第六小学app 石屏县土地局app 岳池县消防局app 宽甸满族自治县旅游监督app 广宗县台风信息app 沙雅县土木工程app 睢宁县防火app 巩留县教育信息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