SRM ist ein räumliches Inferenzframework auf Basis eines rauschunterdrückenden generativen Modells zur Verarbeitung von Inferenzaufgaben mit kontinuierlichen Variablenmengen. Es leitet die kontinuierliche Darstellung dieser Variablen schrittweise ab, indem es jedem unbeobachteten Variablen einen unabhängigen Rauschpegel zuweist. Diese Technik zeigt eine hervorragende Leistung bei der Verarbeitung komplexer Verteilungen und kann Halluzinationen im Generierungsprozess effektiv reduzieren. SRM beweist erstmalig, dass rauschunterdrückende Netze die Generierungsreihenfolge vorhersagen können, wodurch die Genauigkeit bestimmter Inferenzaufgaben deutlich verbessert wird. Das Modell wurde vom Max-Planck-Institut für Informatik entwickelt und zielt darauf ab, die Forschung im Bereich räumliches Schließen und generative Modelle voranzutreiben.