タグ AIモデル
magma とは
本モデルは Microsoft Research によるマルチモーダル基盤モデルと説明され、視覚、言語、動作を結んで計画に使う。大規模な視覚言語データで事前学習される。
できること
- 指示からウェブやモバイルの UI を操作する
- 視覚入力からロボットの把持と配置を計画する
- 動画の内容について質問に答える
主な特徴
- SoM と ToM の手法
- 未見の課題へのゼロショット適応
- 画像、動画、言語の入力
始め方
- 公式サイトか GitHub からモデルとコードを取得する
- 課題に合う事前学習の版を選ぶ
- 必要なら少量のラベル付きデータで微調整する
- 画像、動画、文章の指示をモデルに渡す
長所と短所
✓ 良い点
- 空間的な理解と動作の計画
- 動画の質問応答に対応
! 注意したい点
- 課題により少量のラベル付きデータで微調整
- 課題ごとに事前学習の版を選ぶ
よくある質問
誰が公開した?
資料では Microsoft Research。
挙がる課題は?
UI 操作、ロボット操作、動画の質疑。
最終評価日: 2026-11-15
その他 LLM APIプラットフォーム ツール
すべて見る →-
302.AI 数百の大規模モデルを単一の API に集約したクラウド 開発者ツール API連携 マルチモデルプラットフォーム モデルデプロイ LLM APIプラットフォーム -
360智脑开放平台 360 モデル API プラットフォーム API連携 マルチモデルプラットフォーム ナレッジベースQ&A 企業自動化 LLM APIプラットフォーム -
4o Image API 画像生成 API ゲートウェイ 無料ツール フリーミアムツール 開発者ツール API連携 LLM APIプラットフォーム -
AI-Flow ノーコードのマルチモデルワークフロー ワークフロー自動化 開発者ツール API連携 ナレッジベースQ&A LLM APIプラットフォーム -
AI/ML API 多数のモデルへの単一ゲートウェイ 開発者ツール API連携 マルチモーダル マルチモデルプラットフォーム LLM APIプラットフォーム -
Amazon Bedrock AWS のコード提案とセキュリティスキャン 無料ツール コードアシスタント IDE アプリ構築ツール LLM APIプラットフォーム