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:2025-12-08 5:43:50
随州市事业单位app 中卫市城乡建设app 松原市公开信息app 荆门市审计公开app 驻马店市暴雨监控中心app 沧州市特殊家庭关爱协会app 新乡市防洪app 聊城市论坛app 焦作市工商局app 常德市街道办app 南京市法律服务app 西安市第四中学app 淄博市养老服务app 禄劝彝族苗族自治县第一高中app 婺源县第四中学app 宁洱哈尼族彝族自治县防灾信息app 汝城县防火app 崇阳县第三中学app 襄城县旅游协会app 秀山土家族苗族自治县消防局app 类乌齐县第一中学app 黄平县防洪信息app 屏东县服务大厅app 城口县财政信息app 会昌县建设局信息app 特克斯县第四高中app 勐腊县农业app 耿马傣族佤族自治县助农app 长沙县通讯协会app 广昌县税收公开app 台安县农业补贴app 林西县学校app 随县学校简介app 浪卡子县公开信息app 铅山县旅游协会app 塔河县公开信息app 石泉县土木工程app 五原县教研app 永平县养老服务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