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:2026-07-11 9:28:11
安阳市台风信息app 乌海市公正处app 日喀则市申建app 渭南市公路管理app 福州市信息公开app 遂宁市街道办app 马鞍山市工商信息app 资阳市税收公开app 湘潭市公路管理app 泉州市旅游监督app 张掖市桥梁管理app 常州市农业app 庆阳市特殊家庭关爱协会app 常州市森林消防app 三门县安全宣传app 习水县养老服务app 兴业县论坛app 隆化县历史记录app 巍山彝族回族自治县通讯协会app 新野县粮食管理app 余庆县安全宣传app 共和县特殊家庭关爱协会app 昭平县新闻中心app 泗水县服务大厅app 房县土地申报app 同德县第一中学app 代县税务局app 定襄县水务app 秭归县公正处app 攸县安全生产app 隆尧县服务大厅app 定远县服务大厅app 饶阳县环境保护协会app 莘县第三高中app 白玉县桥梁管理app 宣汉县农业app 丹棱县特殊家庭关爱协会app 裕民县申建app 泰顺县公开信息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