Policy Network Diffusion：用扩散模型生成强化学习策略网络参数

研究者提出 DPPG，用基于 Transformer 的自编码器加任务条件扩散模型直接生成强化学习策略网络参数，单个统一模型即可覆盖 Classic Control、Atari 和 MuJoCo 等多类任务。该方法通过 patchify 网络参数实现高压缩率，并能生成参数量大于此前方法的网络。在未见过的环境中，DPPG 生成的参数收敛更快且性能具竞争力。