gpt-oss-safeguard 技术报告：两款开源权重推理模型的能力与安全基线评估

gpt-oss-safeguard-120b 与 gpt-oss-safeguard-20b 是两款基于 gpt-oss 模型进行后训练（post-trained）的开源权重推理模型，能够根据提供的策略进行推理，并在该策略框架下对内容进行标注。

在本报告中，我们将介绍 gpt-oss-safeguard 的能力，并给出对 gpt-oss-safeguard 模型的基线安全评估；评估过程中以其底层 gpt-oss 模型作为基线对照。

如需进一步了解底层 gpt-oss 模型的开发过程与架构信息，请参阅原始 gpt-oss 模型的 model card。