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:2025-12-15 8:15:56
湛江市工商信息app 柳州市台风监控中心app 抚州市安全生产app 曲靖市事业单位app 防城港市不良信息举报app 六安市安全宣传app 南宁市政务监督app 苏州市防灾信息app 益阳市社会求助app 枣庄市税务局app 长春市教育信息app 衡水市振兴乡村app 连云港市政要信息app 珠海市政务监督app 鄂州市征地服务app 汕头市安全宣传app 泰宁县征地服务app 垣曲县第二高中app 耿马傣族佤族自治县教育信息app 上犹县论坛app 合水县农业app 阳原县便民app 鹤峰县信息公开app 灵台县第二高中app 抚顺县未成年保护协会app 江口县第六中学app 林口县助农app 沭阳县风力发电app 庐江县城乡建设app 桃江县服务大厅app 政和县农业补贴app 木垒哈萨克自治县工商局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