策略性分类

所有考核者都会撞上一个处境：你公布评分规则的那一刻，被打分的人就开始照着规则改造自己。信用评分认「多开几张卡」，人们就去开卡而不是攒储蓄；简历筛选器认关键词，求职者就往简历里堆关键词。2016 年，Hardt、Megiddo、Papadimitriou 与 Wootters 把这个处境做成了一个正式研究领域，叫策略性分类（strategic classification）。它给出一条很硬的设计定理：想让考核激励真本事而不是表演，你必须先解决一个因果问题，而且没有捷径。

先解释框架。分类器就是一条自动决策规则：输入一个人的特征（收入、负债、开了几张卡），输出一个判定（放贷或拒绝）。策略性分类把它建模成一场先后手博弈（术语叫 Stackelberg 博弈）：你先公开承诺规则，对方看清规则后，只要改造自己的成本低于「被分到好的一边」的收益，就动手改造。原论文证明：假装对面不会动的朴素分类器，在这种博弈下性能急剧退化；同时给出了预料到对方会动、并据此设防的稳健分类器。这是把 Goodhart 放进博弈论：被测者不再是静止的样本，是有策略的对手。

这与 B12 委托代理是同一个舞台的两幕：那里的问题是代理人会博弈合同条款，这里的问题是被打分者会博弈评分公式。厂商对 benchmark 的操作是它的直接实例：调「评测脚手架」（系统提示、答题模板、答案抽取方式这些不动模型本身的外围设置），私下测很多变体只发布最好的，针对题型做特化。同一个模型的分数，仅靠调外围就能漂移好几个百分点。评分标准公开得越细，可供表演的表面就越大。

模块第三步那条定理最关键，用白话再讲一遍。先分清两种「照着规则改变自己」：gaming 是只改信号、不改实质，比如临时刷流水让报表好看，还款能力没变；improvement 是真的变好，比如还清欠款。两者在数据表面上几乎一样，都表现为「特征变了，预测跟着变了」。差别在底层：improvement 改动了真正决定结果的东西，gaming 只改动了与结果相关、但不导致结果的替身。

Miller、Milli 与 Hardt 2020 年证明：想设计一个只激励 improvement 的评分规则，你必须知道哪些特征是「因」、哪些只是「相关」，而这在数学上等价于解一个不平凡的因果推断问题。因果推断，白话说就是回答「如果我动手改变这个量，结果会不会跟着变」，它出了名地比找相关难。这条定理的杀伤力在于：防博弈没有通用配方，不存在「加点防伪措施」就能解决的补丁；你对「什么导致什么」理解到哪一步，你的评分就只能防到哪一步。

推论直接落在特征选择上。把评分锚在因果特征上（真的完成了任务、真的还清了欠款），锚点本身就是那个真正决定结果的东西——信号在这里等于实质，没有单独可摆弄的表面。改造信号的唯一办法，因此就是改造实质本身，gaming 与 improvement 的成本由此合一。成本一旦合一，博弈就再没有更便宜的旁路，只能被迫变成改进。把评分锚在代理特征上（报表的样子、输出的格式、有没有喊「完成」），你就是在补贴表演。保密评分细则只是权宜：它降低对方的优化效率，不改变特征的因果地位，泄漏一次就归零。

公平的账也要记。Milli 等人算过：为了防 gaming 把门槛抬到博弈最优的位置，代价不会消失，只会转嫁给被分类的人，而且改造特征成本最高的群体（往往是资源最少的群体）承担最多。防博弈的收紧是累退的，像一种向下征收的税。评分设计者在「被骗」与「误伤」之间做的每一次权衡，都有分配后果。

回到 Y01：过拟合讲的是「你反复看数据，数据的噪声渗进模型」；策略性分类讲的是反方向，「数据反复看你，你的规则渗进数据」。两边合起来，测量者与被测者互相塑形，这正是黄支反复出现的双向循环在博弈论里的写法。

留一个问题：当后手的响应速度快过先手的规则更新速度，「先承诺、后响应」的博弈次序还剩多少约束力？被评测的模型如今能当场读完你的评分细则再作答，这已经不是 2016 年框架里那个要付出成本、慢慢改造自己的申请人了。

一句话带走：公布评分规则，人和模型都会照着规则改造自己；想让这种改造是真进步而不是表演，你必须知道哪些特征真正导致结果，而这没有捷径。