自回归解码

微软开源多模态AI Agent基础模型Magma，具备跨数字、物理世界的多模态能力。Magma可自动处理图像、视频等数据，并内置心理预测功能。MAGMA架构使用视觉与大语言模型的混合技术实现多模态能力，展示了其在不同场景中的应用。