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:2025-12-19 12:56:41
六安市养老服务app 汕尾市安全宣传app 辽阳市社会求助app 鄂州市第三小学app 铜仁市事业单位app 秦皇岛市工商局app 杭州市台风监控中心app 三明市防洪信息app 太原市第六小学app 忻州市审计公开app 昭通市太阳能发电信息app 泉州市桥梁管理app 呼和浩特市森林消防app 衡阳市旅游监督app 玉山县人社管理app 平阳县数据管理局app 大新县征地服务app 鹿邑县国土信息app 建始县第四高中app 台东县第四高中app 大名县农业app 夏津县第一小学app 舟曲县电台广播中心app 沧源佤族自治县第六中学app 林甸县专题专栏app 宁远县防火app 绩溪县教育信息app 金乡县第四小学app 藤县防火app 玉屏侗族自治县审计公开app 云县粮食管理app 阳曲县新闻中心app 贡嘎县最新新闻app 长阳土家族自治县街道办app 荔波县暴雨监控中心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