OpenAI 发布 gpt-oss-safeguard 技术报告：gpt-oss-safeguard-120b 与 gpt-oss-safeguard-20b 两个开源权重推理模型，从 gpt-oss 模型后训练而来，按给定策略对内容打标
gpt-oss-safeguard technical report
评分 58
导读
OpenAI 发布 gpt-oss-safeguard 技术报告，介绍 gpt-oss-safeguard-120b 与 gpt-oss-safeguard-20b 两个模型。二者都是从 gpt-oss 模型出发做后训练、并被训练成依据一份给定策略对内容作推理与打标的开源权重推理模型。报告描述其能力，并以底层 gpt-oss 模型作基线，给出 gpt-oss-safeguard 的基线安全评估。关于 gpt-oss 本身的研发与架构，报告指向原始的 gpt-oss 模型卡。
推荐理由
OpenAI 把内容安全标注本身做成开源权重模型并附评估基线，是可落地的安全侧发布。
主体与标签
OpenAI#模型发布#安全/对齐
正文
gpt-oss-safeguard-120b and gpt-oss-safeguard-20b are two open-weight reasoning models post-trained from the gpt-oss models and trained to reason from a provided policy in order to label content under that policy. In this report, we describe gpt-oss-safeguard’s capabilities and provide our baseline safety evaluations on the gpt-oss-safeguard models, using the underlying gpt-oss models as a baseline. For more information about the development and architecture of the underlying gpt-oss models, see the original gpt-oss model model card.