안전한 완성(Safe completion)은 모델이 해를 끼치지 않으면서도 유용한 도움을 제공할 것을 요구하지만, 이러한 동작은 개별적인 프롬프트만으로는 평가하기 어렵습니다. 우리는 근본적인 작업(task)은 고정된 채 의도(intent)만 변화시키는 통제된 프롬프트 세트 벤치마크인 OpenSafeIntent를 소개합니다. 각 데이터 포인트는 동일한 작업에 대한 선한(benign), 이중 용도(dual-use), 그리고 악의적인(malicious) 변형을 포함합니다. 이러한 설계는 모델이 단순히 평균적으로 안전해 보이는 것을 넘어, 의도 변화에 따라 도움의 정도를 교정(calibrate)하는지 평가할 수 있게 해줍니다. 광범위한 모델 제품군을 대상으로 조사한 결과, 프롬프트 수준의 안전성 평가는 중요한 실패 사례들을 숨기고 있음을 발견했습니다. 모델은 일치하는 의도 변형들 사이에서 안전성을 유지하는 데 자주 실패하며, 이중 용도(dual-use) 동작은 패러프레이징(paraphrase) 하에서 취약하고, 위험한 주제에 대한 고수준의 답변은 신뢰할 수 있을 만큼 안전하지 않으며, 모호한 요청을 더 안전한 작업으로 재구성(reframe)하는 응답은 안전 경계를 넘을 가능성이 실질적으로 낮습니다. 우리의 결과는 안전한 완성이 독립적인 프롬프트들에 대한 단일한 안전성-유용성 트레이드오프(safety-helpfulness tradeoff)가 아니라, 통제된 작업 변형들에 대한 의도 교정된(intent-calibrated) 동작으로서 평가되어야 함을 시사합니다.