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:2026-09-21 3:20:26
那曲市第三小学app 沧州市第二高中app 乐山市市场监督app 韶关市警务app 嘉兴市残联app 邵阳市水利app 鄂州市粮食管理app 通化市电台广播中心app 威海市特殊家庭关爱协会app 淮北市公共法律服务app 嘉兴市社会求助app 汕头市公益app 石阡县便民app 阳曲县司法管理app 宁海县同城app 延川县第一小学app 大箐山县教育局app 云阳县公开信息app 铜鼓县第三中学app 石屏县防洪app 庐江县工商信息app 大关县公开信息app 革吉县防洪app 丰宁满族自治县农业app 青龙满族自治县养老服务app 嘉黎县防灾信息app 新竹县出口管理app 屯昌县桥梁管理app 北川羌族自治县中心校app 汶川县通讯协会app 疏附县天气监控中心app 鸡东县数据管理局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