على عكس النموذج التقليدي للتصنيف حيث يتم تزويد كل نمط تدريبي بالفئة الحقيقية، يعتمد التعلم بوساطة العلامات المكملة فقط على الأنماط التدريبية المجهزة بكل علامة مكملة، والتي تحدد إحدى الفئات التي لا ينتمي إليها النمط. الهدف من هذا البحث هو اشتقاق إطار جديد للتعلم بوساطة العلامات المكملة مع تقدير غير متحيز لمخاطر التصنيف، لخسائر وأنماط تعسفيّة --- جميع الأساليب الموجودة قد فشلت في تحقيق هذا الهدف. ليس هذا فحسب مفيدًا لمرحلة التعلم، بل يجعل أيضًا اختيار النموذج/المعلمة الفائقة (من خلال التحقق المتقاطع) ممكنًا دون الحاجة إلى أي بيانات تحقق مُعرَّفة بشكل طبيعي، بينما يمكن استخدام أي نماذج خطية أو غير خطية أو دوال خسارة محدبة أو غير محدبة. لقد قمنا أيضًا بتحسين تقدير المخاطر باستخدام تصحيح غير سالب وحيلة الصعود المتدرج، وأظهرنا تفوقه من خلال التجارب.