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:2025-12-06 8:54:41
包头市台风信息app 林芝市桥梁管理app 呼和浩特市妇联app 九江市振兴乡村app 日喀则市养殖补助app 宜昌市第四高中app 自贡市中心校app 毕节市水利app 襄阳市国土信息app 贵阳市市场监督app 兰州市养老服务app 舟山市粮食管理app 赣州市养老服务app 秦皇岛市教育局app 林芝市政务监督app 云浮市安全宣传app 儋州市第六中学app 娄底市消费协会app 阳江市农业补贴app 铜仁市政府公报app 淮安市市场监督app 普洱市司法管理app 北海市风力发电app 潮州市第二高中app 潮州市工商信息app 丽江市工商局app 漳州市教研app 焦作市建设局信息app 乌兰察布市同城app 大连市未成年保护协会app 高县新闻中心app 定安县第二中学app 依兰县工商信息app 镇巴县教育信息app 剑川县消费协会app 永春县街道办app 曲麻莱县应急管理app 石渠县旅游监督app 德江县旅游监督app 金湖县公益app 天台县文旅信息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