零样本强化学习（Zero-shot Reinforcement Learning, RL）的最新发展，为学习能够在零样本条件下适应任意新任务的预训练通用策略（pre-trained generalist policies）开辟了新的方向。尽管近年来流行的前向-后向表征（Forward-Backward, FB）及相关方法在零样本强化学习中展现出良好潜力，但我们在实证研究中发现，这类方法的建模表达能力不足，并且在离线学习过程中，由分布外（Out-of-Distribution, OOD）动作导致的外推误差会引起表征偏差，从而导致次优性能。 为了解决这些问题，我们提出了BREEZE（Behavior-REgularizEd Zero-shot RL with Expressivity enhancement），一种改进的基于FB框架的算法体系。BREEZE能够同时提升学习稳定性、策略提取能力以及表征学习质量。具体而言，BREEZE在零样本强化学习的策略学习中引入了行为正则化（behavioral regularization），将策略优化过程转化为一种稳定的样本内（in-sample）学习范式。此外，BREEZE通过任务条件扩散模型（task-conditioned diffusion model）进行策略提取，使其能够在零样本强化学习场景中生成高质量且多模态的动作分布。与此同时，BREEZE在表征建模中采用了基于注意力机制的高表达力架构（expressive attention-based architectures），以捕获环境动态之间的复杂关系。 在 ExORL 与 D4RL Kitchen 等基准数据集上的大量实验表明，BREEZE在性能上达到或接近当前最优，同时在鲁棒性方面显著优于以往的离线零样本强化学习方法。 官方实现已开源于：https://github.com/Whiterrrrr/BREEZE。