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:2026-07-13 7:30:20
烟台市卫生协会app 西宁市第四高中app 清远市环境保护协会app 丹东市非物质文化遗产app 攀枝花市暴雨监控中心app 咸宁市热点专题app 焦作市助农app 三明市文旅信息app 潍坊市政府公报app 赣州市铁路管理app 三亚市未成年保护协会app 揭阳市劳动局app 渭南市第三小学app 泰安市政府信息公开指南app 黄石市铁路管理app 梅州市农业局app 呼伦贝尔市森林消防app 秦皇岛市振兴乡村app 来宾市建设局信息app 嘉兴市第六小学app 漯河市农业局app 武汉市第二小学app 通辽市第四中学app 兰州市教育局app 申扎县水务app 灌云县土地申报app 鄢陵县振兴乡村app 府谷县招标信息app 万载县非物质文化遗产app 凤冈县历史记录app 麦盖提县人社管理app 盘山县政要信息app 岢岚县养老服务app 桐庐县安全生产app 大城县便民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