IXThinker·2025-03-12 22:20

微軟開源Magma 跨網頁與機械人多模態基礎模型

微軟研究院宣布開源多模態AI基礎模型Magma，這是首個能在所處環境中理解多模態輸入並將其與實際情況聯繫起來的基礎模型，論文已獲計算機視覺頂會CVPR接收。

數碼物理兩邊走

只要給定一個目標描述，Magma就能制定計劃並執行行動：在網頁中查找天氣資訊並開啟飛行模式、完成分享與發送訊息等多步驟操作；真實機械人任務中亦能移動桌上的熱狗模型、把蘑菇模型放入鍋中。