根据OpenAI官方消息，gpt-oss模型在安全训练方面采用了业界领先的方法，包括在后训练阶段引入精细对齐（deliberative alignment）和指令分层（instruction hierarchy），有效帮助模型拒绝不安全指令并防御提示注入攻击。此外，OpenAI还在预训练阶段实施了多项干预措施，以全面提升模型的安全性。这一进展直接回应了AI滥用问题，为金融、医疗、教育等行业提供了更可靠的AI应用机会（来源：OpenAI，Twitter，2025年8月5日）。