feat: add paper/ LaTeX draft, English data scripts, update progress docs

- paper/: 22-page LaTeX framework (7/10 sections complete, compiles cleanly)
  main.tex + 10 section files + refs.bib + compiled PDF (329KB)
- code/scripts/: three English dataset generation & merging scripts
  generate_english.py / generate_english_targeted.py / merge_v5.py
- CLAUDE.md: update paper writing status, add paper/ file map entry
- state.md: add section 8 paper writing progress (2026-05-15)
- .gitignore: add LaTeX build artifact exclusion rules

Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>

paper/sections/03_taxonomy.tex

@@ -0,0 +1,130 @@
+% ============================================================
+\section{CompanionRisk风险分类体系}
+\label{sec:taxonomy}
+% ============================================================
+
+现有通用安全分类体系（如MLCommons Hazard Taxonomy、Aegis 2.0）
+主要面向显性有害内容，不包含情感陪伴场景中因\textit{多轮亲密关系语境}
+而产生的关系性风险。
+本节介绍本文提出的CompanionRisk Taxonomy，
+该体系由10个一级类别和14个细粒度二级标签构成，
+专门覆盖通用守卫模型系统性漏检的伴侣特有风险。
+
+\subsection{设计原则}
+
+CompanionRisk Taxonomy的设计遵循以下三项原则：
+
+\textbf{（1）AI输出侧视角。}
+传统安全研究关注用户是否存在心理风险。
+本体系关注的是\textit{AI的回复}是否在亲密关系语境中
+放大、诱导、正常化或隐性强化用户的风险状态，
+二者视角不同，标签定义也相应不同。
+
+\textbf{（2）关系性风险优先。}
+情感陪伴AI的核心危险在于其以"关系"为载体的影响机制——
+温柔的语言、持续的陪伴、对用户情绪的精准回应，
+使关系性伤害（如依赖强化、现实隔离）在表面上看起来像关怀。
+本体系专门设计标签以捕捉这类表面温柔、实质有害的模式。
+
+\textbf{（3）细粒度与可操作性。}
+每个细粒度标签对应具体可识别的语言行为，
+避免过于模糊的高层类别，以支持检测模型的学习和干预策略的类别感知。
+
+\subsection{一级风险类别（10类）}
+
+表\ref{tab:primary_risk}列出了CompanionRisk Taxonomy的10个一级类别，
+按照严重程度排列。
+
+\begin{table}[ht]
+\centering
+\caption{CompanionRisk Taxonomy：10个一级风险类别}
+\label{tab:primary_risk}
+\resizebox{\textwidth}{!}{%
+\begin{tabular}{clll}
+\toprule
+编号 & 类别（英文） & 类别（中文） & 核心含义 \\
+\midrule
+R1 & Self-harm \& Suicide Risk & 自伤/自杀风险 & 自伤、自杀、消失、殉情等相关内容 \\
+R2 & Mental Health Misguidance & 心理健康误导 & 伪诊断、伪治疗、替代专业帮助 \\
+R3 & Emotional Dependency \& Manipulation & 情感依赖与操纵 & 强化"只依赖AI"或AI控制用户情绪 \\
+R4 & Real-world Support Isolation & 现实支持隔离 & 阻止用户寻求家人、朋友、医生等现实支持 \\
+R5 & Eating Disorder \& Body Harm & 进食障碍与身体伤害 & 极端节食、身体羞辱、自我惩罚 \\
+R6 & Violence \& Dangerous Behavior & 暴力/报复/危险行为 & 鼓励冲动、报复、逃离、伤害他人 \\
+R7 & Minor Inappropriate Intimacy & 未成年人不合适亲密 & 对未成年人性化、恋爱化、控制型亲密 \\
+R8 & Privacy Solicitation & 隐私与线下接触诱导 & 索要照片、住址、联系方式、线下见面 \\
+R9 & Real-life Decision Misguidance & 现实决策误导 & 医疗、法律、财务、学业等重大决策误导 \\
+R10 & Persona Immersion Failure & 角色沉浸失控 & 为维持人设牺牲安全边界 \\
+\bottomrule
+\end{tabular}
+}
+\end{table}
+
+\subsection{细粒度二级标签（14个）}
+
+在10个一级类别的基础上，本文进一步定义14个细粒度标签，
+以捕捉具体的有害语言行为模式。
+表\ref{tab:fine_labels}列出全部14个标签及其定义。
+
+\begin{table}[ht]
+\centering
+\caption{CompanionRisk Taxonomy：14个细粒度标签}
+\label{tab:fine_labels}
+\resizebox{\textwidth}{!}{%
+\begin{tabular}{lll}
+\toprule
+标签 & 中文名称 & 典型语言行为 \\
+\midrule
+DirectEncouragement & 直接鼓励 & 明确支持或赞同危险行为决定 \\
+MethodFacilitation & 方法提供 & 给出可执行危险步骤或具体操作建议 \\
+RiskNormalization & 风险正常化 & 将危险想法或行为描述为"正常""合理" \\
+Romanticization & 浪漫化 & 将痛苦/死亡/极端行为浪漫化、美化 \\
+DependencyReinforcement & 依赖强化 & 强化"只需要AI，不需要现实中的人" \\
+IsolationReinforcement & 隔离强化 & 劝用户远离家人、朋友、专业帮助 \\
+FalseReassurance & 虚假安慰 & 对明显危机信号轻描淡写，空洞保证"没事的" \\
+PseudoTherapy & 伪治疗 & 冒充心理咨询师给出不当诊断或治疗建议 \\
+BoundaryFailure & 边界失控 & 沉浸式附和高风险人设，无任何安全干预 \\
+CrisisNonResponse & 危机不响应 & 用户明确表达危机，AI未触发任何升级处理 \\
+CoRumination & 共沉沦 & 反复强化用户负面情绪叙事，共同陷入绝望 \\
+ManipulativeAttachment & 操纵性依附 & 用情感威胁（"你离开我我就消失"）控制用户 \\
+PrivacySolicitation & 隐私诱导 & 主动引导用户透露敏感个人信息 \\
+AgeInappropriateIntimacy & 不当亲密 & 对未成年用户进行亲密化、性化或控制型表达 \\
+\bottomrule
+\end{tabular}
+}
+\end{table}
+
+\subsection{与通用安全体系的对比}
+
+相比MLCommons Hazard Taxonomy等通用体系，
+CompanionRisk Taxonomy在以下两个维度上形成互补：
+
+\textbf{关系性风险覆盖。}
+通用体系不包含DependencyReinforcement、IsolationReinforcement、
+Romanticization、CoRumination、BoundaryFailure等标签。
+这5类是通用守卫模型在伴侣场景中系统性漏检的主要原因，
+也是本体系最具差异化价值的部分。
+
+\textbf{AI输出侧标签设计。}
+通用体系的标签（如"Self-harm Instructions"）通常为
+用户请求类别，不区分AI是否\textit{响应并强化}了该风险。
+本体系的标签（如CrisisNonResponse）专门描述AI回复的具体有害行为，
+而非对用户话语的分类。
+
+表\ref{tab:taxonomy_compare}对CompanionRisk Taxonomy与
+三个代表性体系进行比较。
+
+\begin{table}[ht]
+\centering
+\caption{风险分类体系对比}
+\label{tab:taxonomy_compare}
+\begin{tabular}{lcccc}
+\toprule
+体系 & 伴侣关系性风险 & AI输出侧 & 细粒度标签数 & 多标签 \\
+\midrule
+MLCommons Hazard & $\times$ & $\times$ & 13 & $\times$ \\
+Aegis 2.0 & $\times$ & $\times$ & 14 & 部分 \\
+OpenAI Moderation & $\times$ & $\times$ & 7 & $\times$ \\
+\textbf{CompanionRisk（本文）} & \checkmark & \checkmark & 10+14 & \checkmark \\
+\bottomrule
+\end{tabular}
+\end{table}