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:2025-12-14 3:33:20
临沂市防洪app 邯郸市第一高中app 盘锦市政务监督app 贺州市市场监督app 鄂尔多斯市第四小学app 昌都市热点专题app 儋州市电视台广播app 营口市新闻中心app 南阳市学校app 三沙市教育信息app 开封市税收公开app 常州市法律服务app 昆明市水利app 太原市第五中学app 三穗县出口管理app 岑巩县第一中学app 张北县环境保护协会app 邱县消防宣传app 宜黄县助农app 崇信县学校简介app 隰县环境保护协会app 垫江县振兴乡村app 方正县第三小学app 全椒县审计公开app 枣强县农业局app 博白县消防宣传app 永平县公路管理app 湟源县住房保障app 浮梁县第三中学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