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:2025-12-18 12:54:35
铜川市文旅信息app 周口市灾害救助app 邢台市农业补贴app 泸州市政要信息app 济南市防灾信息app 太原市新闻中心app 济宁市社会求助app 济南市消费协会app 临汾市第三中学app 宣城市公共法律服务app 四平市热点专题app 漯河市公共文化服务app 吐鲁番市政务服务app 呼伦贝尔市台风监控中心app 盘锦市未成年保护协会app 廊坊市非物质文化遗产app 杭州市防洪app 铜川市教研app 洛阳市旅游监督app 廊坊市学校简介app 长沙市水利app 南宁市建设局信息app 赤峰市公路管理app 怀化市振兴乡村app 昌都市防火app 温州市新闻中心app 郧西县灾害救助app 临洮县水利app 南木林县防灾信息app 鹤峰县人社管理app 积石山保安族东乡族撒拉族自治县未成年保护协会app 襄汾县桥梁管理app 五华县国土信息app 南召县台风信息app 凤凰县城乡建设app 三都水族自治县工商信息app 东丰县残联app 昌江黎族自治县第一高中app 甘泉县公共文化服务app 清丰县历史记录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