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

廊坊市第三中学app 盘锦市公路管理app 铜川市旅游监督app 辽源市土地局app 阜新市城乡建设app 伊春市热点专题app 松原市第三小学app 延安市公正处app 固原市第二小学app 南平市安全宣传app 三明市消费协会app 邯郸市残联救助app 林芝市消防局app 枣庄市公共文化服务app 成都市劳动局app 广州市第三小学app 十堰市第二小学app 丽水市残联app 拉萨市第四高中app 鹰潭市电台广播中心app 大同市最新新闻app 深圳市风力发电app 威海市森林消防app 承德市警务app 保亭黎族苗族自治县警务app 旌德县税收公开app 武定县第五小学app 桃江县特殊家庭关爱协会app 海原县惠农app 安福县国土信息app 岳池县土地申报app 永胜县第二小学app 安义县不良信息举报app 龙游县文旅信息app 安义县人社管理app 浑源县第三中学app 博白县第六中学app 东至县劳动局app 大田县教育局app 新竹县第六小学app 靖远县消防局app 泾川县新闻中心app 萨嘎县铁路管理app 永顺县惠农app 大竹县第四高中app 镇平县助农app 宁远县中心校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/