本文探讨了基于上下文的离线元强化学习（OMRL），提出通过最大化互信息和硬采样策略来改善任务表示。研究表明，RETRO算法能有效减少任务表示偏移，提升训练稳定性和性能。新算法UNICORN和GENTLE在多个基准测试中表现优越，展示了OMRL在多任务学习和泛化能力方面的潜力。

扩散模型通过迭代去噪将噪声映射到目标流形，并应用于强化学习。Merlin从潜在目标状态扩散构建轨迹，实现目标条件策略；MetaDiffuser用于离线元强化学习，生成任务轨迹；MTDiff基于Transformer和提示学习实现多任务知识共享；RGDM用强化学习引导扩散训练；DiffAIL改进对抗模仿学习。综述梳理了扩散模型在强化学习中的角色、应用与挑战。

GENTLE是一种新算法，用于解决有限数据条件下学习可推广任务表征的问题。它利用Task Auto-Encoder来捕捉任务模型的生成结构，并通过构造伪转换来缓解行为多样性有限的影响。实证结果表明，GENTLE方法在分布内和分布外任务上明显优于现有的离线元强化学习方法。

本文介绍了离线元强化学习（OMRL）中的任务表示学习问题，并提出了一种硬采样策略来学习任务上下文编码器。实验结果表明，该技术可以得到更强壮的任务表示和更好的测试性能。