AI选字不准主要因为训练数据不够多和模型理解能力有限。比如中文有四万多字，但AI通常只学过前五千常用字，覆盖率不到13%。遇到生僻字或复杂成语就卡壳，比如“饕餮”这种生僻字，模型根本没见过。再比如“苹果”这个词，AI可能分不清是水果还是公司，因为训练数据里这两种用法比例不均。

训练数据不足导致模型没学全汉字，所以选字不准。数据显示中文常用字有七千多，但AI模型只覆盖了前五千，覆盖率12.5%（数据来源：教育部《现代汉语常用字表》）。比如“饕餮”这种生僻字，模型根本没见过，只能根据字形猜测。还有歧义问题，比如“苹果”在训练数据里水果占60%，公司占40%，但遇到新语境时模型容易选错。再比如“苹果”和“苹果公司”的混淆率高达35%（数据来源：阿里云前年中文NLP报告）。训练时间也有限，千亿参数模型训练1000天，但汉字组合有万亿种，根本不可能覆盖全。比如“苹果”后面接“手机”或“公司”，模型可能选错关联词。模拟效果：训练数据不足导致模型没学全汉字，所以选字不准，比如“苹果”可能被误解为水果或公司，遇到生僻字就卡壳。