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 6:28:17
乌海市便民app 宁德市第四高中app 湛江市防洪信息app 洛阳市灾害救助app 新乡市事业单位app 临沂市最新新闻app 本溪市公益app 松原市第二中学app 亳州市出口管理app 吉安市公共法律服务app 忻州市特殊家庭关爱协会app 佳木斯市出口管理app 乐山市第三小学app 阳泉市信息公开app 呼伦贝尔市残联救助app 泉州市农业app 武汉市教研app 齐齐哈尔市未成年保护协会app 温州市教研app 礼县非物质文化遗产app 漳县水务app 修水县学校简介app 静宁县助农app 富源县申建app 东兰县工程造价app 舟曲县第四高中app 河曲县政务服务app 攸县卫生协会app 庐江县政要信息app 桑植县司法管理app 垣曲县旅游监督app 富宁县政府公报app 林甸县劳动局app 临西县信息公开app 民丰县防火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