University of Maryland, College Park（马里兰大学帕克分校）

Engagement Undermines Safety: How Stereotypes and Toxicity Shape Humor in Language Models

Atharvan Dogra, Soumya Suvra Ghosal, Ameet Deshpande, Ashwin Kalyan, Dinesh Manocha

机构 * Centre for Responsible AI, IIT Madras（负责任人工智能中心，印度理工学院马德拉斯分校） ； University of Maryland, College Park（马里兰大学 College Park 分校） ； Princeton University（普林斯顿大学） 纠错