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:2025-12-16 10:55:57
德州市农业局app 阜新市国土信息app 自贡市第二高中app 鸡西市热点专题app 娄底市暴雨监控中心app 抚顺市民政管理app 南京市防洪信息app 四平市税务局app 佳木斯市法律服务app 唐山市土木工程app 石家庄市台风信息app 泰安市第六小学app 丽水市土地局app 天水市公开信息app 庆城县防灾信息app 大英县最新新闻app 洛川县土地局app 岳阳县水务app 宁化县惠农app 汝城县第五中学app 南华县税收公开app 盐亭县妇联救助app 沅陵县不良信息举报app 迁西县第四中学app 永德县助农app 芦山县文旅信息app 灵山县政务监督app 松桃苗族自治县学校简介app 永寿县消费协会app 保亭黎族苗族自治县第三小学app 大城县征地服务app 确山县第三高中app 政和县农业app 巧家县卫生协会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