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:2025-12-18 7:46:18
晋城市残联app 七台河市惠农app 萍乡市土木工程app 黑河市安全生产app 泸州市不良信息举报app 达州市第五高中app 鹤壁市第五小学app 佳木斯市第二小学app 吐鲁番市公开信息app 昆明市水务app 潮州市暴雨监控中心app 晋城市专题专栏app 安庆市卫生协会app 鞍山市惠农app 淮南市民政管理app 三明市第三小学app 克拉玛依市热点专题app 仪陇县教研app 利辛县司法管理app 固阳县建设局信息app 云县第三高中app 洛浦县服务大厅app 酉阳土家族苗族自治县法律服务app 汉源县论坛app 平塘县政要信息app 宁洱哈尼族彝族自治县水务app 闽侯县旅游监督app 单县防灾信息app 清水县残联app 荣县公共法律服务app 永丰县桥梁管理app 兴县应急管理app 拉孜县第二中学app 翁源县太阳能发电信息app 麻江县教育局app 邵阳县太阳能发电信息app 墨竹工卡县第六小学app 东兰县公正处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