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:2026-07-14 2:38:17
泸州市防洪信息app 中卫市第三中学app 石家庄市通讯协会app 娄底市第四高中app 西安市卫生协会app 阳泉市安全生产app 陇南市教育局app 眉山市工程造价app 黄冈市公开信息app 娄底市第三中学app 吉安市环境保护协会app 茂名市惠农app 哈尔滨市司法管理app 三沙市台风监控中心app 银川市建设局信息app 榕江县工程造价app 泸溪县养殖补助app 和顺县环境保护协会app 景宁畲族自治县环境保护协会app 衡阳县政府信息公开指南app 舒城县住房保障app 桦南县不良信息举报app 普兰县水利app 永宁县防灾信息app 弥渡县旅游协会app 大关县公路管理app 沛县人社管理app 普兰县卫生协会app 靖边县灾害救助app 石阡县防洪app 康马县学校app 富顺县政务服务app 尼勒克县法律服务app 凌云县安全生产app 丹棱县防洪app 福贡县历史记录app 高邑县建设局信息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