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 1:51:27
保山市工商信息app 辽阳市农业局app 漳州市同城app 益阳市警务app 鄂尔多斯市土地申报app 德州市残联救助app 广州市招标信息app 焦作市森林消防app 乌鲁木齐市专题专栏app 苏州市铁路管理app 防城港市民政管理app 安庆市妇联app 郴州市养殖补助app 贵阳市申建app 清远市电力app 绥化市新闻中心app 武汉市太阳能发电信息app 开封市申建app 哈密市第一高中app 玉溪市水利app 柳州市教育局app 厦门市公开信息app 黄石市教研app 鹰潭市学校app 开封市水利app 碌曲县第一小学app 晴隆县司法管理app 镇雄县第三中学app 新田县教研app 平山县水务app 岳西县公益app 西吉县残联救助app 安龙县信息公开app 黎城县热点专题app 上栗县审计公开app 温县重大建设公开app 吴桥县防洪信息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