本文探讨了代理在战略分类中如何操纵特征以获得有利预测，并提出了一种新算法以恢复最大边界分类器。研究表明，代理的成本结构对学习者的预测准确性有影响，同时引入了新的损失函数和样本复杂度分析。数值研究表明，新算法在边界和错误数量上优于以往方法，强调了策略操纵情况下的学习理论应用。