gpt-oss-safeguard 技术报告

gpt-oss-safeguard-120b 和 gpt-oss-safeguard-20b 是两个开放权重推理模型，基于 gpt-oss 模型进行后训练，并经过训练以根据给定政策进行推理，从而按照该政策为内容打标签。在本报告中，我们描述了 gpt-oss-safeguard 的能力，并以底层 gpt-oss 模型作为基线，提供了我们对 gpt-oss-safeguard 模型的基线安全性评估。有关底层 gpt-oss 模型的开发和架构的更多信息，请参见原始 gpt-oss 模型卡。