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:2026-07-12 6:57:37
丽水市防灾信息app 丽水市第一小学app 攀枝花市第四小学app 保山市电视台广播app 庆阳市学校简介app 景德镇市第四中学app 秦皇岛市农业局app 昌都市防灾信息app 百色市政要信息app 吐鲁番市教育信息app 连云港市不良信息举报app 漯河市政要信息app 泰安市消防宣传app 晋中市土地申报app 运城市事业单位app 聊城市历史记录app 湘潭市工商信息app 尼勒克县防火app 娄烦县助农app 彝良县中心校app 陇川县建设局信息app 连城县消防宣传app 连南瑶族自治县审计公开app 乡宁县第三小学app 富平县卫生协会app 息县惠农app 会泽县非物质文化遗产app 平南县第二高中app 芦溪县应急管理app 都兰县土木工程app 陇西县第一中学app 白沙黎族自治县风力发电app 崇信县应急管理app 建昌县市场监督app 沂源县第三高中app 惠水县政要信息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