知识卡片：ConVAWG：面向暴力侵害妇女和女童行为的检索增强式受控合成对话生成框架

一句话结论：ConVAWG 是一个基于检索的合成对话生成框架，能够在保护隐私的前提下，生成符合CPS（具体含义待核实）标准的多轮对话，用于研究针对妇女和女童的暴力（VAWG）行为；该框架发布了超过6,000个多轮对话事件、覆盖200个场景，并经多项评估证实对话质量与领域保真度较高。

事件概述或研究问题：真实对话数据在敏感领域（如家庭暴力、虐待、跟踪）难以获取、发布或标注，且现有研究多聚焦在线辱骂的句子级毒性检测，缺乏将虐待建模为关系性的、随时间展开的现象。本文针对VAWG场景，提出生成多轮对话数据的方法，以支持对该类对话动态的研究。

方法/产品要点：

• 构建场景：综合使用人物角色种子、英国国家统计局（UK Office for National Statistics）报告的人口统计模式、官方犯罪定义以及检索到的家庭凶杀审查（Domestic Homicide Review）案例。
• 将场景转换为分层事件时间线，再生成多场景角色扮演对话。
• 对适当的对话语句应用“激活导向的毒性控制”（activation-steered toxicity control），使内容与CPS（待核实）对齐。
• 发布数据集：200个场景中超过6,000个多轮对话事件，附带丰富的场景级、事件级和轮次级元数据。

主要结果或产业意义：人工评估、LLM作为评判、消融实验和下游任务评估均表明，ConVAWG生成的对话具有较高的质量与领域保真度。该数据集和框架可用于敏感领域对话建模、安全防护、人员培训、政策评估等，避免依赖难以获取的真实对话数据。

为什么重要：将VAWG研究从句子级毒性检测推进到多轮对话层面，能够捕捉虐待行为的计划、披露、威胁、胁迫等关系性和时间性特征。相比已有相关卡片中面向其他领域的合成数据生成，本卡片的增量在于：关注敏感社会问题，提出检索增强+层次事件时间线+受控毒性生成的具体流程，并公开大规模多轮对话资源。

局限与不确定性：

• 摘要中未提供定量评估指标（如具体分数、基线对比数值），需核实原文。
• “CPS-aligned”中的CPS缩写未在摘要中展开，具体对齐标准待核实。
• 合成对话与真实对话的差距仍需通过下游任务和外部效度检验；数据集的偏差、匿名化处理流程及伦理审查细节待核实。
• 框架是否支持中文或其他语言、是否依赖特定API或模型版本，待核实。

可用于图书/PPT/简报的角度：

• 以“合成数据能否帮助研究敏感对话？”为题，介绍AI生成对话数据在社会科学与公共安全交叉领域的应用。
• 展示如何用检索增强和分层事件时间线将统计数据、法律定义与真实案例转化为可控的对话角色扮演。
• 用于说明大模型生成内容的安全控制（毒性控制）在特定领域中的应用。

原始材料：

• 英文标题：ConVAWG: A Retrieval-Grounded Framework for Controlled Synthetic Dialogue Generation in Violence Against Women and Girls
• 英文关键词：Synthetic Dialogue Generation; Violence Against Women and Girls; Retrieval-Grounded; Multi-turn Dialogue; Toxicity Control
• 来源：arXiv:2608.11200v1 [cs.CL]
• URL: https://arxiv.org/abs/2608.11200v1