本研究提出了欺骗性幽默数据集（DHD），旨在探讨虚假主张中的幽默，揭示幽默与欺骗之间的关系，推动欺骗性幽默检测模型的发展。

人工智能语言模型如ChatGPT可能会产生幻觉和虚假主张，但通过整理训练数据和强化学习等步骤可以减少这个问题。模型只是根据统计模式和训练数据来预测单词，没有对真理的理解。为了缓解这个问题，可以精心策划模型的训练数据，通过强化学习进行微调，并设计特定的用例。目标是平衡效用和危害，而不是追求完美。所有主要的人工智能语言模型都会遭受幻觉的困扰，但更好的训练数据等步骤可以减少虚假声明。