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:2025-12-07 2:42:44
抚州市助农app 大同市同城app 吴忠市教育信息app 葫芦岛市财政信息app 焦作市不良信息举报app 新乡市残联app 洛阳市消费协会app 三明市街道办app 清远市出口管理app 金昌市事业单位app 邯郸市第一小学app 运城市第四高中app 泉州市安全生产app 辽源市土木工程app 中山市台风监控中心app 郑州市政要信息app 梧州市第二高中app 福州市养殖补助app 雅安市最新新闻app 内江市建设局信息app 兰州市论坛app 阳泉市工商局app 朔州市应急管理app 大连市第一小学app 安阳市劳动局app 吉林市农业补贴app 湘潭市特殊家庭关爱协会app 万载县第一小学app 上杭县住房保障app 兴海县中心校app 吉木乃县安全宣传app 富蕴县服务大厅app 红原县第一高中app 冠县防洪信息app 泰来县新闻中心app 和静县台风信息app 龙州县第二高中app 南漳县防洪app 浦城县养老服务app 岷县税收公开app 阳原县公益app 余干县水利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