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:2026-07-03 2:53:58
来宾市教研app 太原市第四中学app 阳泉市专题专栏app 朝阳市工商信息app 防城港市消防局app 赣州市台风信息app 保定市防火app 长治市政要信息app 郑州市旅游监督app 三明市妇联app 内江市出口管理app 自贡市最新新闻app 乌海市建设局信息app 泰州市环境保护协会app 海口市教研app 邢台市民政管理app 雅安市粮食管理app 庆阳市残联救助app 中卫市第三中学app 祥云县最新新闻app 峡江县养殖补助app 咸丰县消费协会app 昌宁县天气监控中心app 广宁县公开信息app 永善县电台广播中心app 荔波县劳动局app 武宣县电力app 商河县防灾信息app 巴彦县第二高中app 永嘉县养老服务app 丰顺县工程造价app 进贤县电视台广播app 汪清县第二小学app 道县政府信息公开指南app 临沭县第二小学app 清水河县通讯协会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