Ordered Policy Optimization（OPO）：按重要性比值排序自适应裁剪的强化学习策略优化方法

针对PPO对所有样本使用固定裁剪区间、无法区分极端重要性比值与可容忍大幅变化的问题，作者提出Ordered Policy Optimization（OPO）：在每个minibatch内对重要性比值排序，选出对更新影响最大的极端比值，按预设尾部轮廓为其分配自适应逐样本裁剪半径，目标函数仍为一阶且只需minibatch排序与修改后的策略损失。