AI 阅读文件效果不佳；移民局拘留者发出“请求支援”的呼声

AI发展面临可用性障碍和数据处理挑战

人工智能的最新发展既突显了其潜力，也暴露了其当前的局限性，范围从数据处理方面的挑战到人工智能驱动设备中的可用性问题。虽然一些人工智能应用在处理复杂数据时遇到困难，但另一些则因优先考虑尺寸而非功能而受到批评。

一个重要的挑战在于人工智能系统如何处理和理解复杂文档。据VentureBeat报道，许多旨在索引文档并将其与大型语言模型（LLM）连接的检索增强生成（RAG）系统在处理复杂材料时表现不佳。 VentureBeat在2026年1月31日报道称，“标准RAG管道将文档视为扁平的文本字符串”，并指出固定大小的分块（一种常用方法）可能会“破坏技术手册的逻辑”，例如将标题与图像分离并破坏表格格式。这种预处理失败会导致结果不准确，尤其是在依赖详细工程文档的行业中。

然而，正在出现一些替代方法来解决这些局限性。 VentureBeat在2026年1月30日报道了一种名为PageIndex的新开源框架，该框架将文档检索视为导航问题，而不是搜索问题。据报道，该框架在向量搜索方法失败的文档上实现了98.7%的准确率。

与此同时，人工智能驱动设备的可用性问题也浮出水面。 The Verge报道称，Xteink X4电子阅读器尽管体积小巧，但由于其基于按钮的界面和有限的功能而面临用户的不满。这突显了在人工智能设备中平衡尺寸与可用性的难度。一个专门的用户社区正在形成，以解决这些缺点，这表明开源开发有可能增强人工智能产品体验并使其适应用户需求。

这些挑战强调了人工智能技术需要不断创新和改进，以确保准确性和用户友好性。