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

吴忠市台风信息app 清远市电力app 梧州市妇联app 安顺市旅游协会app 贵阳市旅游协会app 宿州市第五小学app 嘉兴市灾害救助app 阜阳市消防宣传app 滁州市第二高中app 泸州市第六中学app 洛阳市政务服务app 鄂尔多斯市电力app 黑河市农业app 中卫市教育信息app 百色市助农app 太原市第二小学app 保定市出口管理app 资阳市太阳能发电信息app 河源市教研app 金昌市政府公报app 安阳市数据管理局app 鹤岗市电视台广播app 西安市第五小学app 贺州市文旅信息app 四平市政务监督app 阜新市第五中学app 康保县风力发电app 贡嘎县税务局app 望奎县劳动局app 通海县第一中学app 右玉县水利app 海晏县养老服务app 长顺县公共文化服务app 响水县不良信息举报app 武山县数据管理局app 隰县防洪app 隆安县第三高中app 宁阳县专题专栏app 平山县人社管理app 祁门县文旅信息app 仪陇县数据管理局app 平武县消费协会app 尉氏县建设局信息app 博罗县助农app 颍上县土木工程app 阳信县第五小学app 宁陕县公正处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/