文档级关系抽取（DocRE）旨在从包含多个句子的文档中确定两个实体之间的关系。近期的研究通常通过序列模型或图模型来表示整个文档，以预测所有实体对的关系。然而，我们发现这种模型并不稳健，并表现出异常行为：当整个测试文档作为输入时，它能做出正确的预测，但一旦移除非证据句，就会出错。为此，我们提出了一种句子重要性估计和聚焦（SIEF）框架用于DocRE，其中设计了句子重要性评分和句子聚焦损失，促使DocRE模型关注证据句。实验结果表明，在两个领域的测试中，我们的SIEF不仅提高了整体性能，还增强了DocRE模型的稳健性。此外，SIEF是一个通用框架，在与多种基础DocRE模型结合时均显示出有效性。