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:2025-12-11 10:10:28
临沧市民政管理app 淮南市招标信息app 湘潭市不良信息举报app 成都市第三小学app 济宁市防洪app 秦皇岛市农业app 泸州市城乡建设app 邢台市应急管理app 河源市重大建设公开app 淮安市水利app 泉州市最新新闻app 鹤岗市养老服务app 四平市土地局app 双鸭山市民政管理app 汉中市第二高中app 内江市第三高中app 日照市水利app 揭阳市服务大厅app 三原县政务监督app 龙胜各族自治县工商信息app 岳西县第五中学app 闻喜县振兴乡村app 偏关县台风监控中心app 金阳县第二中学app 丰都县振兴乡村app 垣曲县政务监督app 吴堡县第一高中app 弥渡县工程造价app 盐池县防洪app 兰坪白族普米族自治县养殖补助app 淳安县同城app 夹江县信息公开app 大箐山县安全生产app 西平县妇联救助app 周至县民政管理app 新昌县审计公开app 天镇县公共法律服务app 汉寿县数据管理局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