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

漳州市法律服务app 湖州市防火app 陇南市工程造价app 衡阳市特殊家庭关爱协会app 葫芦岛市警务app 昭通市非物质文化遗产app 秦皇岛市审计公开app 中山市电台广播中心app 张家口市消防局app 成都市论坛app 咸阳市建设局信息app 信阳市热点专题app 扬州市电台广播中心app 延安市第三高中app 连云港市税务局app 甘洛县旅游监督app 新绛县养老服务app 景谷傣族彝族自治县中心校app 杂多县征地服务app 苗栗县住房保障app 昌黎县通讯协会app 武山县公益app 疏勒县消防宣传app 泌阳县教育信息app 郯城县服务大厅app 会昌县森林消防app 民丰县便民app 武陟县第四高中app 公安县第二高中app 松溪县城乡建设app 温县重大建设公开app 定南县电台广播中心app 社旗县工商局app 安吉县太阳能发电信息app 双湖县市场监督app 江华瑶族自治县学校app 屏南县税务局app 聂拉木县惠农app 通道侗族自治县第一小学app 望奎县政务服务app 加查县专题专栏app 双牌县政府公报app 庐江县政府信息公开指南app 吉木乃县公共法律服务app 扶沟县风力发电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/