独立噪声水平
为每个变量 x_i 设定独立噪声水平 t_i，在去噪过程中分别控制各变量的噪声，从而对空间变量做更细粒度的生成控制。
价格官网未标价
平台Web
归类大模型与开发平台
收录2026-10-10
复核2026-10-10
编辑评分
4.2 / 5
★★★★☆
SRM编辑总结
SRM 是马克斯·普朗克信息学研究所（MPI-INF）几何强化学习团队提出的空间推理框架，把连续随机变量的推理过程建模为采样，在去噪过程中为每个变量设定独立噪声水平。它允许定义不同的序列化程度（并行生成、自回归生成或带重叠的混合模式）和不同的序列化顺序（随机排序、基于预测不确定性的贪婪启发式、手工定义图），并配套一种两阶段噪声水平采样训练方法，保证平均噪声水平均匀分布。适合研究复杂分布下视觉任务的开发者与研究人员参考与复现。
SRM是什么？
SRM 是一个面向空间推理任务的去噪生成模型框架，由马克斯·普朗克信息学研究所（MPI-INF）的几何强化学习团队提出，官方地址为 geometric-rl.mpi-inf.mpg.de/srm/。它的核心思路是把对一组连续随机变量的推理定义为采样过程，在去噪过程中给每个变量分配独立的噪声水平 t_i。
在机制上，SRM 提供两个可调维度：一是序列化程度，支持并行生成、自回归生成以及带有不同重叠程度的混合模式，由同一时刻各变量上的不同噪声水平建模；二是序列化顺序，支持随机排序、基于预测不确定性的贪婪启发式以及手工定义的图。训练阶段采用一种新颖的两阶段噪声水平采样方法，确保模型能覆盖对采样重要的噪声水平组合。
面向不同用户：研究视觉任务与生成建模的研究人员可以把它作为可配置的实验框架；工程团队可以按并行或自回归需求选择对应的序列化策略；本科生或入门者则可通过官网了解去噪采样与空间变量推理的基本范式。
SRM核心功能
序列化程度可调
支持并行生成、自回归生成以及带有不同重叠程度的混合模式，通过同一时刻各变量上的不同噪声水平来建模序列化程度。
序列化顺序可选
提供随机排序、基于预测不确定性的贪婪启发式以及手工定义图三种顺序定义方式，可按任务需要控制变量生成的先后次序。
两阶段噪声采样
训练时采用两阶段噪声水平采样，确保模型看到对采样重要的噪声水平组合，并保证所有变量上的平均噪声水平均匀分布。
SRM适合谁用？
空间推理研究者
推荐研究复杂分布下视觉任务与生成建模的研究人员，可用它验证并行与自回归混合的序列化策略在不同任务上的表现。
生成模型开发者
推荐需要实现去噪采样流程的开发者，可参考其独立噪声水平建模与两阶段噪声采样训练方法，作为自研框架的设计参考。
仅需成品视觉工具的团队
不推荐官网未提供可直接调用的产品界面或托管服务，只想要一个开箱即用的图像生成或编辑工具的团队不适合用它。
需要商用授权说明的团队
有条件官网未说明授权与商用条款，涉及对模型与代码做商业分发的团队需先向发布方确认后再决定是否采用。
SRM优点和缺点
优点
- 为每个变量设定独立噪声水平 t_i，控制粒度细
- 支持并行、自回归及带重叠混合的序列化程度
- 序列化顺序可选随机、贪婪启发式与手工图
- 两阶段噪声采样保证平均噪声水平均匀分布
缺点
- 官网未公开可调用的产品界面或托管服务
SRM常见问题
SRM 是什么？＋
它把对一组连续随机变量的推理定义为采样，在去噪过程中为每个变量分配独立的噪声水平，从而支持不同的序列化程度与顺序。
SRM 怎么控制生成的并行程度？＋
它允许定义不同的序列化程度：并行生成、自回归生成，或带有不同重叠程度的混合模式，由同一时刻各变量上不同的噪声水平来建模。改变噪声水平组合即可调整序列化的多少。
SRM 支持哪些序列化顺序？＋
包括三种方式：随机排序、基于预测不确定性的贪婪启发式，以及手工定义的图。用户可根据任务需要选择变量生成的先后次序。
SRM 训练时有什么特殊处理？＋
它使用一种两阶段噪声水平采样方法，确保模型能看到对采样重要的噪声水平组合，并保证所有变量上的平均噪声水平 t̄ 分布均匀。
SRM竞品对比
| 工具 | 编辑评分 | 价格 | 核心功能 | 平台 |
|---|---|---|---|---|
| SRM本工具 | 4.2 | 未标价 | 独立噪声水平；序列化程度可调；序列化顺序可选；两阶段噪声采样 | Web |
| OpenAI o1 | — | 未标价 | AI 推理模型，解决复杂问题的新系列 | Web / API |
| SpatialVLM | — | 未标价 | 给视觉语言模型赋予空间推理能力 | — |
| LLaVA-OneVision | — | 未标价 | 多模态视觉任务的高效转换模型 | — |
| Mistral Small 3.1 | — | 未标价 | 增强文本与视觉任务处理能力的开源模型 | — |
| AlphaMaze | — | 未标价 | AlphaMaze 是一款专注于视觉推理任务的解码器语言模型，旨在解决传统语言模型在视觉 | — |
