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:2026-07-01 9:46:41
攀枝花市养老服务app 丹东市服务大厅app 苏州市农业局app 梧州市旅游监督app 晋城市妇联app 日喀则市新闻中心app 湖州市第四高中app 大庆市建设局信息app 襄阳市事业单位app 大庆市国土信息app 庆阳市工商局app 呼伦贝尔市电力app 包头市最新新闻app 七台河市森林消防app 淮北市热点专题app 金华市政府公报app 邵阳市农业局app 黄石市服务大厅app 芜湖市电视台广播app 马鞍山市公开信息app 保山市灾害救助app 鞍山市水利app 毕节市振兴乡村app 扶沟县政要信息app 门源回族自治县中心校app 贡山独龙族怒族自治县申建app 兴山县税务局app 尤溪县第三高中app 繁峙县防洪信息app 阳城县残联救助app 长武县第一小学app 景泰县第三小学app 元谋县旅游协会app 滨海县申建app 平江县消费协会app 德清县第二中学app 灌阳县社会求助app 阿瓦提县招标信息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