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:2025-12-11 4:54:21
宝鸡市市场监督app 青岛市政要信息app 葫芦岛市振兴乡村app 龙岩市农业补贴app 东莞市农业局app 遂宁市安全宣传app 辽源市第一小学app 宿州市服务大厅app 三沙市第四中学app 漯河市土木工程app 绵阳市出口管理app 克拉玛依市第五中学app 随州市住房保障app 西宁市第三高中app 朝阳市卫生协会app 大连市第三高中app 罗山县第二高中app 巧家县妇联app 昌乐县通讯协会app 五台县振兴乡村app 凤凰县出口管理app 稷山县文旅信息app 饶阳县土木工程app 耿马傣族佤族自治县第二小学app 杜尔伯特蒙古族自治县申建app 民和回族土族自治县电力app 湟源县建设局信息app 太康县森林消防app 新干县学校app 高阳县第一小学app 孟村回族自治县政府公报app 隆化县专题专栏app 盐源县风力发电app 盐亭县电台广播中心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