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:2026-11-20 9:35:57
景德镇市政府信息公开指南app 鹤壁市防洪信息app 孝感市农业补贴app 漳州市第一小学app 常德市数据管理局app 儋州市非物质文化遗产app 昌都市消费协会app 亳州市警务app 韶关市事业单位app 克拉玛依市第四高中app 三亚市信息公开app 泉州市旅游监督app 宣城市教育局app 宁阳县住房保障app 南投县安全生产app 连平县警务app 桃源县铁路管理app 精河县环境保护协会app 江永县粮食管理app 南岔县人社管理app 富宁县政府信息公开指南app 临澧县台风信息app 汉寿县第一中学app 三穗县民政管理app 南乐县粮食管理app 灌南县教育局app 岱山县城乡建设app 祁东县第四中学app 博湖县第一小学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