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:2025-12-02 10:22:59
七台河市最新新闻app 吐鲁番市新闻中心app 白城市灾害救助app 衡阳市人社管理app 芜湖市税务局app 广州市政府信息公开指南app 漯河市土地局app 盐城市审计公开app 连云港市同城app 韶关市电视台广播app 南通市第一高中app 渭南市第四中学app 淮安市审计公开app 韶关市工商信息app 大连市工程造价app 珠海市第三高中app 深圳市铁路管理app 安庆市森林消防app 沽源县卫生协会app 青冈县公开信息app 南丰县风力发电app 稷山县便民app 高阳县残联救助app 容县税务局app 东山县教育局app 洞口县第四小学app 安化县专题专栏app 大田县专题专栏app 琼结县历史记录app 峨边彝族自治县教育信息app 环江毛南族自治县第三小学app 台前县第五小学app 碌曲县残联救助app 芮城县农业app 乐东黎族自治县桥梁管理app 淅川县不良信息举报app 岐山县养殖补助app 惠民县论坛app 营山县农业补贴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