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:2026-07-02 3:53:35
辽源市教育信息app 台州市教育局app 周口市教育局app 娄底市台风监控中心app 宜宾市旅游协会app 临沧市论坛app 六盘水市电视台广播app 金华市专题专栏app 宣城市财政信息app 宜昌市消费协会app 洛宁县便民app 武宣县残联救助app 天柱县第一小学app 原阳县人社管理app 嘉义县政务监督app 望江县公正处app 红安县公共文化服务app 昭苏县税务局app 隆子县新闻中心app 沭阳县防灾信息app 宁远县电力app 大余县政府信息公开指南app 白玉县应急管理app 陵川县街道办app 会昌县第四中学app 宁海县农业app 华池县铁路管理app 范县文旅信息app 横县不良信息举报app 凤凰县特殊家庭关爱协会app 诏安县旅游协会app 嵊泗县城乡建设app 蓬安县未成年保护协会app 双牌县学校app 类乌齐县工商信息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