본 논문은 대규모 추론 모델(LRM)의 추론 과정에서 발생할 수 있는 안전 문제를 해결하기 위해, 추론 과정 자체를 검토하는 새로운 안전 검출 모델 ReasoningShield를 제안합니다. 기존의 질문-답변(QA) 중심의 안전 검출 모델의 한계를 극복하고자, 질문-생각(QT) 쌍을 기반으로 하는 새로운 안전 검출 작업을 정의하고, 8,000개 이상의 QT 쌍으로 구성된 고품질 데이터셋을 구축했습니다. ReasoningShield는 10가지 위험 범주와 3가지 안전 수준을 포함하며, 인간-AI 협업 주석 파이프라인을 통해 93% 이상의 주석 정확도를 달성했습니다. 다양한 벤치마크에서 기존 모델보다 우수한 성능(평균 F1 점수 0.92 초과)을 보였으며, 경량 배포를 위해 1B/3B 기본 모델을 사용하고, 사용자 친화적인 위험 분석 기능을 제공합니다. 모든 자원은 공개적으로 배포됩니다.