Термин
False positive
Ситуация, когда безопасный контент ошибочно помечен как опасный.
False positive в модерации приводит к лишним блокировкам нормальной критики, образовательных материалов или пользовательских жалоб. Поэтому пороги нужно проверять на тестовом наборе.