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 3:36:59
玉溪市电台广播中心app 枣庄市政务服务app 绥化市招标信息app 株洲市森林消防app 绵阳市同城app 东营市第三小学app 泉州市森林消防app 信阳市旅游监督app 池州市农业补贴app 保山市防洪信息app 北海市安全生产app 钦州市养殖补助app 泰州市建设局信息app 安庆市公路管理app 鹤岗市安全生产app 辽阳市论坛app 普洱市工商信息app 呼伦贝尔市政要信息app 聊城市土地局app 张家口市建设局信息app 南昌市第二小学app 景德镇市粮食管理app 漳州市政府信息公开指南app 三沙市助农app 刚察县城乡建设app 泰来县第一高中app 三都水族自治县环境保护协会app 五原县税收公开app 莒县工商信息app 开江县妇联救助app 衡东县同城app 芒康县妇联救助app 麻江县铁路管理app 绩溪县第三高中app 三门县电视台广播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