新突破！微软开源多模态AI Agent，通杀数字、物理世界

文章预览

专注AIGC领域的专业社区，关注微软 、百度文心一言、讯飞星火等大语言模型（LLM）的发展和 应用 落地，聚焦LLM的市场研究和AIGC开发者生态，欢迎关注！ 今天凌晨3点，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，例如，你可以用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，或者下真实象棋时获得帮助。 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。 开源地址：https://huggingface.co/microsoft/Magma-8B github：https://github.com/microsoft/Magma Magma功能展示 可以用Magma来充当实体机器人的大脑，例如，把蘑菇正确地放在盆里。 也可以把汉堡放在正 ………………………………