昨天我們體驗了 Gemini 對整份數十頁報告的巨觀理解，今天我們要進行語言模型測試中最嚴苛的考驗——「大海撈針（Needle In A Haystack, NIAH）」測試。
這項測試旨在驗證：當模型面對數萬字無關的背景雜訊時，是否會因為注意力分散而產生「迷失在中間（Lost in the Middle）」的現象，進而忽略藏在文本深處的微小關鍵細節。
為什麼需要大海撈針測試？
在過去，許多宣稱支援長上下文的大型語言模型，往往只對文本「最前頭」與「最後尾」保持高度敏銳度，一旦關鍵線索被塞在幾十頁文件的中段，檢索召回率（Recall Rate）就會雪崩式下滑。
今天我們不靠人工插入虛構暗號，而是直接從昨天上傳的幾十頁真實企業永續報告書（ESG PDF）中，挑出一條極不起眼的審核與簽核權責流程條文作為我們的「針」，實測 Gemini 3 Flash 是否能在幾萬 Token 中精準鎖定並還原事實。

實測設計：尋找藏在深處的審核流程
大海（The Haystack）：數十頁完整的企業永續報告書 PDF。
針（The Needle）：藏在文件深處的真實審核規定——我找了以下這段「本報告書之內容由相關部門主管檢視，確保資訊的正確性。此外，永續發展委員會的各群組召集人亦對應相關章節進行審核，確保各項資訊的完整性與準確性。最終，本報告書提交至董事會，由董事會審查並核准通過。」

實測 Prompt 設計
在 Google AI Studio 中掛載該 PDF 附件，於輸入框下達以下考驗細節提取的指令：
請依據所附的永續報告書 PDF 內容，回答以下關於報告書編制與簽核流程的具體問題：

1. 這份報告書的內容首先由誰進行初步檢視以確保正確性？
2. 永續發展委員會中由誰負責對應章節的審核？
3. 最終將整份報告書提交給哪一個最高決策單位審查並核准通過？

要求：

• 必須嚴格根據報告書內文事實回答，不可自行推論或增減。
• 請列出具體條列答案，並標註相關段落所在的頁碼。

實作結果：

實測成果觀察與亮點
當點擊 Run 送出後，Gemini 3 Flash 展現了出色的長文本檢索表現：

1. 三道關卡零失誤全中：
   初步檢視：相關部門主管。
   章節審核：永續發展委員會各群組召集人。
   最終核准：董事會。
2. 零幻覺、零臆測：完全依照內文原文的權責分工輸出，沒有隨意腦補其他如「稽核長」或「總經理」等未提及的職位。
3. 定位出處：模型能明確指出該描述出自於報告書的「報告範疇與邊界」或「編制原則」相關頁碼。

今日結語
今天的大海撈針實測證明了一件事：Gemini 的百萬長上下文並非單純能「塞得下」大量文字，而是真正具備「全域檢索與精準穿透」的硬實力。
在實際的商業場景中，審閱合約中的隱藏責任條款、對照產品規格中的細節參數，往往就像在海量文字中找一根針。透過 Google AI Studio，平板用戶無需架設任何資料庫或切片檢索系統，就能直接擁有專業級的長文件穿透分析利器。