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:2026-11-21 8:28:14
平顶山市助农app 温州市第五高中app 咸阳市安全宣传app 牡丹江市工商信息app 兰州市消防宣传app 衢州市粮食管理app 衡阳市第三高中app 成都市环境保护协会app 商洛市征地服务app 佛山市第三中学app 绥化市第六中学app 肇庆市第四小学app 大同市数据管理局app 呼和浩特市城乡建设app 达州市征地服务app 惠东县专题专栏app 改则县第四高中app 沧源佤族自治县环境保护协会app 平塘县第二高中app 金沙县卫生协会app 浮山县公开信息app 绥德县信息公开app 民权县天气监控中心app 镇宁布依族苗族自治县第三高中app 夹江县第一高中app 遂溪县公共法律服务app 原阳县工商信息app 师宗县第二中学app 尉犁县信息公开app 黑山县政府公报app 滑县国土信息app 沙洋县民政管理app 青冈县劳动局app 凤县审计公开app 鄢陵县第五小学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