PPO Clipped Objective

实现 PPO 的 clipped surrogate objective（负值，用于梯度下降）。给定 ratio 张量（batch,）、advantages 张量（batch,）和 clip epsilon，先计算每个样本的 surrogate = min(ratio * adv, clip(ratio, 1-eps, 1+eps) * adv)，再返回负均值，使最小化输出能够改善策略。必须使用张量运算并保持可微。