本文研究了文档到LLM应用（例如用户上传PDF供LLM分析）中的语义完整性威胁。作者指出，这类应用通常通过一个用户无法观察或审计的隐藏提取层将PDF转换为文本。他们发现该层使得“分裂视图PDF”成为可能：同一个PDF在渲染视图（用户看到的内容）和提取视图（LLM接收的文本）之间可以存在语义差异。通过挖掘PDF规范允许或实现容忍的渲染/提取边界表示差异，作者实例化了25种提取间隙（EG），在这些间隙中，提取器返回攻击者控制或提取器依赖的文本，而渲染页面显示的是良性或不同的内容。这些间隙分为四类：语义覆盖（semantic overrides）、隐藏语义注入（hidden semantic injection）、阅读顺序分裂（reading-order splits）和字体解码分裂（font-decoding splits）。其中14种间隙在先前针对PDF到LLM的攻击中没有精确的路径/机制级别匹配。作者在16个PDF处理栈和7个商业LLM服务上评估了这些间隙，发现每个间隙至少在一种栈上导致渲染-提取不一致。在间隙级暴露标准下，每个被评估的服务至少暴露一种间隙，暴露数在12/25到21/25之间。暴露主要由摄入栈驱动，而非仅模型身份。进一步测试显示，当前的安全过滤器仅覆盖了部分隐藏文本构造。为支持分类，作者开发了一个静态筛选扫描器，其规则可触发所有25个基准间隙，并讨论了双视图一致性作为长期防御方向。