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

咸阳市建设局信息app 六安市论坛app 牡丹江市文旅信息app 阳江市台风信息app 湘潭市森林消防app 三门峡市社会求助app 山南市第三中学app 深圳市消防宣传app 淮南市电台广播中心app 宿迁市政务监督app 信阳市电台广播中心app 滁州市风力发电app 黄山市出口管理app 厦门市第四中学app 宿迁市安全生产app 襄阳市桥梁管理app 亳州市同城app 马鞍山市台风信息app 宿州市残联救助app 大同市中心校app 本溪市第四小学app 宾县公正处app 蒲江县农业补贴app 苍溪县第四高中app 洛隆县不良信息举报app 湖口县重大建设公开app 巩留县第三小学app 象州县教育局app 蕲春县公路管理app 灌云县第六中学app 彭水苗族土家族自治县政务监督app 松阳县第四高中app 灵丘县第五中学app 景泰县第五中学app 焉耆回族自治县招标信息app 大新县铁路管理app 中牟县服务大厅app 乌什县灾害救助app 长武县学校简介app 天镇县振兴乡村app 留坝县审计公开app 博兴县养殖补助app 汉阴县建设局信息app 安化县旅游协会app 红河县第六中学app 仁化县安全生产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/