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:2025-06-26 3:23:20
大庆市第二高中app 遵义市风力发电app 丹东市应急管理app 本溪市水利app 滨州市城乡建设app 克拉玛依市住房保障app 汕尾市消防宣传app 徐州市第三小学app 运城市民政管理app 荆门市不良信息举报app 蚌埠市民政管理app 西安市便民app 南昌市桥梁管理app 巴中市水利app 锦州市天气监控中心app 三明市惠农app 周口市公益app 哈密市市场监督app 上高县消防宣传app 武义县风力发电app 柳城县农业局app 牟定县应急管理app 新宾满族自治县论坛app 安义县工商局app 白水县防灾信息app 逊克县政府公报app 郸城县劳动局app 融安县森林消防app 望谟县重大建设公开app 三台县税收公开app 施秉县防洪app 金湖县公正处app 响水县卫生协会app 荣县太阳能发电信息app 鱼台县森林消防app 丹巴县市场监督app 西林县森林消防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