SafeTalkCoach: 다양성을 고려한 다중 에이전트 시뮬레이션을 활용한 부모-자녀 성 건강 대화

SafeTalkCoach: Diversity-Driven Multi-Agent Simulation for Parent-Teen Health Conversations

효과적인 부모-자녀 간의 성 건강 관련 대화는 매우 중요하지만, 이러한 대화에 대한 실제 데이터는 개인 정보 및 민감한 특성으로 인해 수집하기 어렵습니다. LLM은 대화 생성에 널리 활용되고 있지만, 최적의 실천 방식을 벗어나는 경우가 많고, 현실감과 다양성이 부족할 수 있습니다. 본 논문에서는 SafeTalkCoach를 소개합니다. SafeTalkCoach는 성 건강에 대한 부모-자녀 대화를 시뮬레이션하는 다양성을 고려한 다중 에이전트 대화 생성 프레임워크이며, 관련 데이터셋을 함께 제공합니다. SafeTalkCoach는 사용자 참여형 시나리오와 합성 시나리오, 확립된 성 건강 지침, 과학적 근거에 기반한 페르소나, 적응형 제어 모듈, 계층적 다양성 확보 기술을 통합합니다. 평가 결과, SafeTalkCoach는 다양한 대화를 생성하면서도 현실감, 대화 품질, 제어 가능성을 유지하는 것으로 나타났습니다. SafeTalkCoach 프레임워크와 데이터셋은 AI 연구 및 건강 관련 커뮤니케이션 실무 모두에 기여할 수 있도록 설계되었습니다.

The importance of effective parent-child communication about sexual health is widely acknowledged, but real-world data on these conversations is scarce and challenging to collect, due to their private and sensitive nature. Although LLMs have been widely adopted in dialogue generation, they may deviate from best practices and frequently lack realism and diversity. We introduce SafeTalkCoach, a diversity-driven multi-agent dialogue generation framework that simulates parent-child conversations about sexual health, and present an accompanying dataset. SafeTalkCoach integrates crowd-sourced and synthesized scenarios, established sexual health guidelines, evidence-based personas, adaptive control modules, and hierarchical diversification. Through evaluations, we demonstrate that SafeTalkCoach generates diverse conversations while maintaining realism, communication quality, and controllability in practice. Our goal is that the SafeTalkCoach framework and the dataset support both AI research and health communications practices.