离线多智能体强化学习（MARL）旨在从预先收集的数据中学习最佳策略，但面临分布偏移和协调行为的挑战。中山大学与美团合作提出了样本内顺序策略优化（InSPO）算法，通过顺序更新策略，避免选择分布外动作，增强智能体的协调性。实验结果表明，InSPO在多个任务中表现优异，具有广泛的应用潜力。