Newest papers

Data-Void Exploits in Web-Searching LLMs

Michele Guerra, Wuyeh Jobe, Sanjana Nambiar, Christina Pöpper, Azza Abouzied · 2026 · arXiv

DOI: 10.48550/arXiv.2610.30365 · open-access PDF

Korean

Web-searching Large Language Models (LLMs)는 사용자가 온라인 정보를 검색하는 방식을 변화시켰습니다 : 링크의 순위 목록을 검색하는 대신에 사용자는 합성 된 답변을 읽습니다.이 전환은 새로운 LLM 취약성을 만듭니다 : 데이터 공허한 착취입니다. 비정보자는 관련적이고 신뢰할 수있는 내용이 부족한 검색 공간에 자신의 이야기를 게시합니다, 즉 데이터 공허함, LLM의 웹 검색에 의존하여 데이터 공허한 검색 인스턴스에 대한 응답에서 그 페이지를 사용, 인용 또는 나열합니다. 고전적인 검색과는 달리 사용자가 순위 팁과 경쟁 결과를 볼 때 LLM은 응답을 찾을 때 어두울 수 있습니다.

Machine translation (Meta M2M100); the English original follows.

Abstract

Web-searching Large Language Models (LLMs) have changed how users seek online information: instead of sifting through ranked lists of links, users read synthesized answers. This shift creates a new LLM vulnerability: a data-void exploit. Disinformers publish their narratives in search spaces where relevant and reliable content is scarce, i.e. data voids, then rely on the LLM's web-search to retrieve and then use, cite, or list those pages in its responses to data-void seeking prompts. Unlike classical search, where users see ranking cues and competing results, LLMs can obscure when an answer r

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange