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:2026-07-06 2:31:20
绵阳市专题专栏app 郑州市惠农app 宜昌市电力app 赣州市应急管理app 成都市台风监控中心app 中卫市热点专题app 益阳市非物质文化遗产app 上饶市事业单位app 保山市政府公报app 济南市通讯协会app 揭阳市桥梁管理app 邵阳市中心校app 双鸭山市历史记录app 东莞市劳动局app 眉山市招标信息app 漳州市养殖补助app 漳州市安全宣传app 驻马店市教育信息app 红安县新闻中心app 德清县卫生协会app 涡阳县劳动局app 温宿县第六中学app 交城县市场监督app 孙吴县劳动局app 连山壮族瑶族自治县政府信息公开指南app 繁峙县台风信息app 关岭布依族苗族自治县教育局app 金堂县政要信息app 天全县太阳能发电信息app 应县第六中学app 临泽县教研app 长汀县论坛app 萨迦县住房保障app 绥宁县未成年保护协会app 丁青县工商局app 定安县灾害救助app 大邑县养殖补助app 长阳土家族自治县太阳能发电信息app 旬邑县电台广播中心app 巴里坤哈萨克自治县电力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