AI做题的准确性取决于多个因素，包括：

1、题目类型：AI在处理某些类型的题目时可能表现更好，例如选择题、判断题等客观题型，因为这些题目的答案是固定的，AI可以通过学习和训练来掌握这些答案。然而，对于主观题，如问答题、作文题等，AI的表现可能会受到限制，因为这些题目的答案可能更加开放和依赖于上下文。
2、训练数据：AI模型的准确性很大程度上取决于其训练数据的质量和数量。如果训练数据涵盖了足够的题目类型和难度，那么AI在做题时可能会更加准确。反之，如果训练数据有限或存在偏差，AI的准确性可能会降低。
3、模型复杂度：更复杂的AI模型，如深度学习模型，可能能够处理更复杂的题目，并提供更准确的答案。然而，这些模型也可能需要更多的计算资源和训练数据。
4、领域知识：AI在特定领域的做题准确性取决于其对该领域的知识掌握程度。例如，在某些专业领域，如医学或法律，AI可能需要具备相关的专业知识才能准确回答问题。

目前，AI在某些领域已经表现出很高的做题准确性，例如：

* 在标准化测试中，AI已经能够在某些科目（如数学、阅读理解）中取得与人类考生相当或更好的成绩。
* 在某些专业领域，如医学影像诊断，AI已经能够达到甚至超过人类专家的诊断准确率。

然而，AI做题的准确性仍然存在局限性，特别是在以下方面：

* 理解能力：AI可能难以理解题目的深层含义或上下文，导致回答不准确。
* 常识和推理：AI可能缺乏人类的常识和推理能力，导致在某些题目上表现不佳。
* 题目多样性：AI可能难以应对多样化的题目类型或格式，导致准确性降低。

总之，AI做题的准确性取决于多种因素，包括题目类型、训练数据、模型复杂度和领域知识。虽然AI在某些领域已经表现出很高的准确性，但仍然存在局限性，需要继续改进和优化。