概念False Negative
假阴性
对比学习中因标注不完整而被错误当作负例的语义匹配样本，会迫使模型推远语义相似样本，扭曲嵌入空间，是多模态对比学习中的常见训练噪声。
时间轴 (近 90 天)
10月16日
一位读者描述了一个在结构上无法失败的检查：自动化移动端检查在滑动前后对截图做哈希，但屏幕上播放视频时哈希每一帧都在变，导致无论滑动是否生效检查都通过。
待验证50%
10月16日
假阳性是指测试报告失败但实际没有Bug，假阴性是指测试报告通过但实际存在Bug。
待验证50%
10月14日
假阴性是对比学习中的一类特殊噪声：数据集中存在语义上与锚点样本高度匹配、却因标注不完整而未被记录为正例的样本，当它们被当作负例参与训练时会扭曲嵌入空间。
待验证50%
9月15日
假阴性问题会系统性地低估检索质量，使不同方法之间的对比失去意义
待验证50%
8月30日
在风控场景中，假阳性意味着将正常交易误判为欺诈并拦截，假阴性意味着将欺诈交易误判为正常并放行
待验证50%