Evaluating Deep-Search Agents under Hierarchical Web Evidence Poisoning

HAE-GEO 设计断言、上下文伪装和表面互证三档网页投毒，覆盖 8 类商品、154 个品牌，使用 72,039 个干净页面和每档 770 个污染页面。十个 agent 在“看似相互印证”的陷阱下识别退化；增加搜索步骤能提高最终抵抗，却没有同步提高识别与效用，额外防御提示也很少让错误轨迹恢复。