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:2026-11-19 9:45:57
岳阳市财政信息app 苏州市消防宣传app 包头市财政信息app 榆林市数据管理局app 洛阳市妇联app 玉溪市第一小学app 昌都市出口管理app 济宁市土木工程app 榆林市住房保障app 本溪市政府公报app 吴忠市第四中学app 烟台市灾害救助app 荆州市税收公开app 南平市安全生产app 烟台市历史记录app 大庆市第二高中app 泸州市财政信息app 三明市妇联救助app 隆尧县第四高中app 乐东黎族自治县森林消防app 大英县第四小学app 泸西县第三小学app 孟连傣族拉祜族佤族自治县旅游监督app 绛县新闻中心app 屏南县政府公报app 麻阳苗族自治县农业局app 垣曲县信息公开app 公安县信息公开app 于都县农业app 革吉县第五小学app 保德县水务app 康县第二高中app 独山县第四高中app 青川县消防宣传app 上蔡县残联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