대규모 언어 모델이 장문 맥락을 활용하는 시스템에서 성능 저하를 유발하는 오해 정보의 비율과 성능 간의 관계를 연구했습니다. 연구 결과, 오해 정보의 비율이 증가함에 따라 초기 단계에서 성능이 급격히 떨어지지만, 그 이후에는 추가적인 성능 저하가 미미합니다. 연구진은 '첫 번째 잉크 방울' 효과라고 명명하며, 오해 정보가 초기 단계에서 집중적인 주의를 끌어 성능을 저하시킨다고 분석했습니다.