真阴性（True Negative, TN）是指在二分类问题中，模型正确预测负类别（negative class）的实例数量，即当真实标签为负时，模型也输出负预测的情况。在混淆矩阵（Confusion Matrix）中，TN位于右下角位置，是评估模型准确性的关键指标之一，它反映了模型对“非事件”的识别能力，例如在疾病诊断中正确判断健康个体未患病。
在AI产品开发的实际落地中，真阴性率直接影响产品的可靠性和用户体验。AI产品经理需通过监控TN值来优化模型阈值（如调整分类边界），以平衡假阳性和假阴性风险；例如，在欺诈检测系统中，高TN确保正常交易不被误判，减少用户投诉并提升业务效率。此外，在医疗或金融等高敏感领域，强调TN能降低误报带来的成本，推动模型从实验室到市场的稳健迭代。
免费模拟面试：试试能否通过大厂“AI产品经理”面试？