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:2026-11-16 2:47:55
鹤岗市农业补贴app 盘锦市电力app 南通市城乡建设app 烟台市事业单位app 玉溪市第三高中app 潮州市第二中学app 金华市土地申报app 茂名市最新新闻app 日照市街道办app 柳州市历史记录app 九江市公共文化服务app 池州市第二高中app 绍兴市招标信息app 石家庄市旅游监督app 毕节市公开信息app 银川市专题专栏app 郑州市电台广播中心app 唐山市司法管理app 武威市便民app 忻州市台风信息app 许昌市第一高中app 丹东市学校简介app 淮滨县防火app 甘孜县司法管理app 襄垣县妇联app 郯城县未成年保护协会app 辽阳县环境保护协会app 蕉岭县税收公开app 阳高县妇联救助app 娄烦县第一中学app 泾阳县妇联救助app 岚县中心校app 宝丰县工程造价app 忠县电台广播中心app 常山县台风监控中心app 龙州县数据管理局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