与 gpt-oss 和谐共处

由于原始论文未公开工具细节及智能体框架，尚无独立研究复现 OpenAI 发布的 gpt-oss-20b 工具得分。本文逆向工程了该模型的分布内工具：即使未提供工具定义，模型仍能以高统计置信度调用训练分布中的工具，表明这是强先验而非幻觉。随后，我们构建了原生 Harmony 智能体框架，采用模型原生格式编码消息，规避了 Chat Completions 转换的信息损耗。结合上述方法，我们首次独立复现了官方得分：SWE Verified HIGH 为 60.4%（官方 60.7%），MEDIUM 为 53.3%（官方 53.2%），带工具的 AIME25 为 91.7%（官方 90.4%）。