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:2026-06-30 9:50:36
池州市电视台广播app 贵阳市水务app 深圳市出口管理app 西宁市养殖补助app 海东市妇联救助app 秦皇岛市学校简介app 儋州市公共文化服务app 拉萨市环境保护协会app 赣州市财政信息app 普洱市第四小学app 平顶山市农业app 朝阳市应急管理app 郑州市安全生产app 泸州市残联app 乌鲁木齐市第二中学app 清远市文旅信息app 通辽市学校app 贵港市残联救助app 鹤壁市台风信息app 佳木斯市环境保护协会app 宜昌市信息公开app 潍坊市政府公报app 河源市政要信息app 佛山市第二高中app 盐源县灾害救助app 西乡县教育局app 祁连县建设局信息app 镇宁布依族苗族自治县第二高中app 泸县妇联救助app 会宁县工商局app 延长县工程造价app 绥江县农业局app 沁水县第一小学app 焉耆回族自治县第六小学app 元谋县水利app 平顺县公正处app 朝阳县消防宣传app 乌兰县第五中学app 玛纳斯县历史记录app 马山县第一高中app 紫阳县养老服务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