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:2025-12-03 6:10:25
荆门市惠农app 苏州市公共文化服务app 齐齐哈尔市消防局app 中山市便民app 新乡市消防宣传app 平凉市非物质文化遗产app 铜仁市民政管理app 丽水市电台广播中心app 中卫市出口管理app 玉溪市台风信息app 河源市第五高中app 怀化市中心校app 巴彦淖尔市公共法律服务app 梅州市防洪app 杭州市第五高中app 辽源市公共文化服务app 陵水黎族自治县振兴乡村app 沭阳县妇联app 辽阳县太阳能发电信息app 都安瑶族自治县农业补贴app 武川县中心校app 大城县第二小学app 凤台县非物质文化遗产app 紫金县学校简介app 施甸县教育信息app 资中县街道办app 襄汾县卫生协会app 丁青县妇联app 额敏县司法管理app 墨脱县论坛app 华安县南靖县土地申报app 玛纳斯县第二中学app 蒲江县助农app 萝北县税收公开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