Core Concepts
대형 언어 모델의 추천 결과를 조작하여 특정 제품의 가시성을 크게 높일 수 있다.
Abstract
이 연구는 대형 언어 모델(LLM)을 활용한 검색 엔진에서 제품 추천 결과를 조작하는 방법을 제시한다.
제품 정보 페이지에 전략적으로 구성된 텍스트 시퀀스(STS)를 삽입하면 LLM이 해당 제품을 최상위 추천으로 선정할 가능성이 크게 높아진다.
실험에서는 가격이 높아 일반적으로 추천되지 않는 "ColdBrew Master" 제품과 가격이 중간 수준인 "QuickBrew Express" 제품을 대상으로 STS를 최적화했다.
STS 최적화 결과, ColdBrew Master는 추천 순위가 크게 상승했고, QuickBrew Express도 최상위 추천 제품이 될 확률이 크게 높아졌다.
이는 제품 정보에 전략적으로 구성된 텍스트를 삽입하면 LLM 기반 검색 도구의 추천 결과를 조작할 수 있음을 보여준다.
이러한 능력은 기업에 상당한 경쟁 우위를 제공하지만, 공정한 시장 경쟁을 저해할 수 있다는 우려가 있다.
Stats
전략적 텍스트 시퀀스(STS)를 삽입하기 전에는 ColdBrew Master 제품이 LLM 추천에 전혀 포함되지 않았다.
STS 삽입 후에는 ColdBrew Master 제품이 200번의 독립적인 LLM 평가 중 약 80%의 경우에 최상위 추천 제품이 되었다.
QuickBrew Express 제품은 STS 삽입 전에는 주로 2위로 추천되었지만, STS 삽입 후에는 200번의 평가 중 약 80%의 경우에 최상위 추천 제품이 되었다.
Quotes
"이러한 능력은 기업에 상당한 경쟁 우위를 제공하지만, 공정한 시장 경쟁을 저해할 수 있다는 우려가 있다."
"LLM 기반 검색 도구의 추천 결과를 조작할 수 있음을 보여준다."