無答案相似文件占干擾文件10%，Qwen2.5準確率從68%降至45.5%

輝達（NVIDIA，NVDA）與德州農工大學（Texas A&M University）研究團隊發現，在長文本輸入中加入與問題主題相近、卻不含答案的文件後，Qwen2.5-7B-Instruct在一項問答實驗中的準確率從68%降至45.5%。這類文件占干擾文件的10%。

研究團隊將這種現象稱為「第一滴墨水」效應。論文於2026年8月20日修訂；三位作者中，一位隸屬輝達AI技術中心，另外兩位來自德州農工大學。

研究中的「硬干擾文件」是指內容看似與問題相關、實際上卻沒有答案的文件。相較於相關性低的句子或隨機文件，這類內容更像答案候選，可能與真正含有答案的文件互相競爭。

實驗將含有答案的文件與干擾文件一併提供給模型，再要求模型回答問題。研究團隊固定輸入長度，調整干擾文件種類與硬干擾文件占比，比較實驗結果。

論文將干擾文件長度大致控制在100至150個token，並隨機打亂文件順序，以降低文件位置造成的影響。每一種資料集、上下文長度與干擾文件占比組合，都評估了200個案例。

研究採用Natural Questions、TriviaQA、PopQA與HotpotQA四種問答任務，涵蓋從單一文件找答案，以及需要多步推理的題型。

關鍵數據來自上下文長度為128K token的Natural Questions實驗。沒有硬干擾文件時，Qwen2.5-7B-Instruct的準確率為68%；硬干擾文件占干擾文件10%時，準確率降至45.5%。Token是模型處理文字的單位。

論文正文指出，硬干擾文件占比最初增加的10%區間，造成了整體準確率降幅的58%。不過，若以附錄表格中相同條件的數據計算，結果與正文所稱的58%不一致。

研究團隊表示，硬干擾文件占比增加時，準確率並非以固定幅度持續下降。準確率降幅主要集中在占比最初提高的區間；此後即使占比進一步增加，額外降幅相對較小。

研究團隊也分析模型對含答案文件的注意情況。與問題相似的干擾文件，比與問題無關的句子更容易和含答案文件競爭。

研究並未測試關閉注意力功能後，準確率是否會回升。研究團隊也沒有據此宣稱已找到有效的緩解方法。

檢索增強生成（RAG）會先搜尋外部文件，再將文件放入模型輸入中生成回答。研究團隊建議，除了檢視檢索文件的數量，也要留意其中是否含有與問題相似、卻沒有答案的文件。

文件過濾實驗顯示，單純縮短輸入上下文也能改善表現。當硬干擾文件占比降至接近0時，文件組成造成的差異更加明顯。

研究團隊表示，除了在回答前過濾文件，也應在檢索階段減少取回沒有答案、但與問題相似的文件。這項實驗僅限於受控的多文件問答情境。

摘要、程式碼理解與多輪對話等其他任務是否也會出現相同結果，仍需後續研究確認。這項研究並未測量商業服務整體的效能變化。