识别并缓解针对93个污名化群体的语言模型偏见

这篇ArXiv论文探讨了AI安全的一个关键方面：语言模型中的偏见。 该研究侧重于识别和减轻针对大量不同污名化群体的偏见，从而为更公平的AI系统做出贡献。

• •识别语言模型中的潜在偏见。
• •专注于广泛的污名化群体。
• •提出了通过安全护栏的缓解策略。