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:2026-07-12 4:59:40
哈密市热点专题app 丽江市第五高中app 吕梁市防洪信息app 广安市台风监控中心app 湛江市铁路管理app 武汉市公益app 泸州市消防宣传app 厦门市政府信息公开指南app 丹东市特殊家庭关爱协会app 哈密市服务大厅app 秦皇岛市学校简介app 随州市妇联app 郴州市热点专题app 金华市防洪app 太原市未成年保护协会app 贺州市粮食管理app 六盘水市农业补贴app 汕尾市环境保护协会app 河池市安全生产app 武汉市森林消防app 江门市财政信息app 固原市社会求助app 南阳市工程造价app 宁强县安全生产app 民勤县服务大厅app 沽源县市场监督app 民丰县农业app 新龙县街道办app 柏乡县特殊家庭关爱协会app 青县防洪信息app 桂阳县第五中学app 普格县住房保障app 亚东县第三小学app 青田县防洪app 景泰县住房保障app 海原县第六中学app 裕民县税收公开app 疏附县历史记录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