多模态AI Agent

Magma是微软开源的多模态AI Agent基础模型，能够处理图像、视频、文本等多种数据类型，并具备心理预测功能，跨越数字和物理世界。它为虚拟与现实世界的交互提供强大支持，适用于复杂的交互任务，如UI导航和机器人操作，并在这些任务上达到SOTA性能。Magma还具备从海量未标注视频中学习的能力，展现出强大的泛化能力。