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 9:31:10
惠州市助农app 定西市农业补贴app 葫芦岛市热点专题app 佛山市专题专栏app 安庆市消防宣传app 铜川市暴雨监控中心app 濮阳市安全宣传app 三沙市第四小学app 萍乡市第二中学app 宜春市工商信息app 焦作市教研app 呼和浩特市第五小学app 咸宁市妇联app 本溪市同城app 台州市第一中学app 马鞍山市论坛app 丽水市消防局app 绥化市公益app 保山市第六小学app 桐柏县税收公开app 东兰县振兴乡村app 顺平县电视台广播app 镇康县灾害救助app 阳新县第二中学app 富民县森林消防app 洞口县第二中学app 遂平县暴雨监控中心app 新化县第五小学app 方城县非物质文化遗产app 象州县税务局app 普格县第一中学app 平江县服务大厅app 巴塘县历史记录app 大余县特殊家庭关爱协会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