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:2025-12-10 7:20:57
肇庆市防洪app 芜湖市粮食管理app 亳州市审计公开app 新乡市通讯协会app 济南市公开信息app 白山市妇联救助app 淮北市粮食管理app 沧州市警务app 鹤岗市灾害救助app 昆明市防洪信息app 疏附县粮食管理app 九寨沟县助农app 和林格尔县第二高中app 晴隆县建设局信息app 循化撒拉族自治县妇联救助app 紫云苗族布依族自治县第三小学app 丰宁满族自治县信息公开app 商南县劳动局app 南皮县第五高中app 呼玛县警务app 固镇县惠农app 巨鹿县国土信息app 来安县便民app 蓝山县事业单位app 公安县国土信息app 阜宁县专题专栏app 周宁县土地申报app 都昌县第二高中app 平利县土木工程app 正宁县通讯协会app 龙胜各族自治县残联app 陇县消防局app 江孜县社会求助app 措勤县同城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