本文介绍了一种新的战略分类问题，关注代理特征操控的外部性。通过Stackelberg博弈模型，证明在特定条件下，代理操控博弈的纯纳什均衡是唯一且易于计算的，并为学习者提供了PAC学习保证，支持构建更稳健的分类器。

本研究提出了一种新算法，解决战略分类中公平性与准确性之间的矛盾，最小化各群体的最大错误率。实验表明，该算法在真实数据上表现良好。