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:2026-07-01 7:56:38
唐山市第五小学app 自贡市森林消防app 惠州市助农app 阳江市防洪app 东营市学校简介app 安阳市申建app 嘉峪关市电视台广播app 阳江市第二高中app 营口市防火app 徐州市通讯协会app 阳泉市审计公开app 哈密市旅游监督app 亳州市政务服务app 阜阳市防洪app 信阳市建设局信息app 哈密市第四中学app 清远市人社管理app 周口市学校简介app 吕梁市招标信息app 吐鲁番市助农app 呼伦贝尔市暴雨监控中心app 安阳市农业补贴app 黄冈市服务大厅app 宜宾市教研app 梅州市旅游协会app 厦门市教育局app 韶关市太阳能发电信息app 孝感市第三小学app 新和县论坛app 巴彦县市场监督app 绥江县防洪app 乳源瑶族自治县教育信息app 盐山县信息公开app 金沙县台风监控中心app 远安县电视台广播app 谢通门县养殖补助app 五原县人社管理app 剑阁县妇联app 祥云县电台广播中心app 眉县养老服务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