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:2026-06-28 3:29:53
河池市电力app 鄂尔多斯市工程造价app 邯郸市教研app 白山市财政信息app 湖州市水利app 廊坊市第一小学app 松原市安全生产app 宜昌市最新新闻app 北海市政要信息app 杭州市安全宣传app 赣州市政务监督app 平凉市惠农app 茂名市铁路管理app 运城市水利app 银川市电台广播中心app 衢州市土地申报app 中卫市学校app 沧州市第一小学app 内江市法律服务app 黄石市招标信息app 玉山县妇联救助app 新平彝族傣族自治县水务app 临泉县招标信息app 霍城县建设局信息app 江达县台风信息app 会昌县第四中学app 三台县专题专栏app 龙川县街道办app 西平县农业补贴app 元氏县特殊家庭关爱协会app 西充县森林消防app 崇阳县数据管理局app 峨山彝族自治县税务局app 乐业县土木工程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