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:2025-12-13 1:21:12
临沂市政要信息app 郴州市招标信息app 咸宁市未成年保护协会app 辽源市便民app 中卫市第六小学app 四平市专题专栏app 盐城市第二高中app 巴彦淖尔市事业单位app 贵阳市铁路管理app 乌鲁木齐市公共法律服务app 佛山市历史记录app 南京市农业app 宜昌市水务app 莆田市残联救助app 宽甸满族自治县劳动局app 托克托县台风信息app 聂拉木县安全生产app 花垣县防洪app 西吉县政务监督app 团风县太阳能发电信息app 清水县工商局app 紫云苗族布依族自治县电视台广播app 阜南县政府公报app 清水河县公共文化服务app 友谊县申建app 浦城县第三高中app 饶河县残联救助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