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:2025-12-19 12:10:18
山南市人社管理app 巴中市住房保障app 双鸭山市风力发电app 鹰潭市助农app 信阳市惠农app 周口市农业补贴app 榆林市文旅信息app 云浮市粮食管理app 沧州市第二高中app 吉林市防洪app 宿州市征地服务app 定西市社会求助app 呼和浩特市政府公报app 无锡市养殖补助app 南宁市桥梁管理app 临沂市学校app 金昌市第三中学app 河池市公益app 平顶山市学校app 拉萨市公正处app 上饶市应急管理app 枣庄市第六小学app 康平县太阳能发电信息app 同德县政府信息公开指南app 裕民县残联救助app 逊克县应急管理app 托克逊县信息公开app 望谟县学校简介app 峡江县暴雨监控中心app 旺苍县灾害救助app 丰林县招标信息app 刚察县第三小学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