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

泸州市旅游协会app 绥化市电台广播中心app 亳州市第四小学app 南阳市第六中学app 贺州市便民app 景德镇市国土信息app 安康市妇联app 滨州市第五小学app 黄冈市铁路管理app 鹤岗市铁路管理app 阜新市妇联app 沈阳市工商局app 潍坊市第四中学app 泰安市桥梁管理app 通辽市政务监督app 南充市残联app 淄博市惠农app 咸阳市水务app 铜川市审计公开app 珠海市服务大厅app 淮北市电力app 衡阳市妇联救助app 巴青县税收公开app 墨竹工卡县第五中学app 镇原县中心校app 临沭县森林消防app 索县事业单位app 隆子县法律服务app 靖远县通讯协会app 无极县事业单位app 垫江县第六中学app 光山县中心校app 新绛县旅游监督app 宝应县非物质文化遗产app 柳河县司法管理app 林周县历史记录app 封开县建设局信息app 修武县惠农app 习水县公开信息app 广平县出口管理app 正定县应急管理app 凤山县第四小学app 肃南裕固族自治县特殊家庭关爱协会app 关岭布依族苗族自治县天气监控中心app 会昌县残联app 旬阳县台风监控中心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/