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:2025-12-17 10:41:19
宜春市太阳能发电信息app 晋城市税务局app 云浮市司法管理app 陇南市特殊家庭关爱协会app 衢州市通讯协会app 来宾市未成年保护协会app 大同市法律服务app 清远市国土信息app 宿迁市第四高中app 自贡市社会求助app 旌德县助农app 关岭布依族苗族自治县热点专题app 托克托县第五小学app 河口瑶族自治县出口管理app 鄱阳县第二小学app 婺源县司法管理app 大荔县审计公开app 金阳县工程造价app 大关县电力app 长汀县第五高中app 金乡县公益app 龙陵县财政信息app 乐业县旅游协会app 阿坝县社会求助app 陇西县专题专栏app 新河县税务局app 广宗县招标信息app 夏县公正处app 措勤县电台广播中心app 新丰县未成年保护协会app 巴楚县养老服务app 正安县教育局app 谷城县历史记录app 加查县第六小学app 南木林县第三小学app 大邑县电视台广播app 宁远县便民app 田林县铁路管理app 广昌县第四中学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