程序员在代码库中寻找特定功能代码时，常被搜索引擎返回的无关结果困扰。这种现象背后，是现代代码搜索技术长期存在的核心矛盾：系统更关注代码的表面特征，而非其实际功能。意大利博洛尼亚大学信息科学与工程系的研究团队通过系统性实验，为破解这一难题提供了新思路。
传统代码搜索引擎依赖向量嵌入技术，将代码转换为数字向量后通过距离计算匹配相似度。这种"语义指纹"的生成方式存在根本缺陷——编码器在训练过程中过度关注变量命名、语法结构等表面特征，却难以准确捕捉代码的逻辑意图。如同两份番茄炒蛋食谱，一个写"先打鸡蛋再下番茄"，另一个写"先翻炒番茄再倒入蛋液"，虽然步骤顺序不同，但最终成品完全一致。这种差异在传统搜索框架下会被放大，导致功能相同的代码被判定为不相似。
研究团队创新性地提出三级翻译策略，构建从代码表面到逻辑本质的转化梯度。最基础的"风格润色"通过统一变量命名和格式规范代码外观，保留完整逻辑结构；中间层的"伪代码"剥离编程语言语法，用控制流关键词和自然语言描述构建混合表达；最高阶的"完全自然语言"则将代码功能浓缩为单句描述，彻底消除语法特征。这种分层设计使系统能够量化评估不同抽象层级对搜索效果的影响。
实验覆盖六个代码搜索基准集、五种编码器模型和三个AI翻译系统，形成90种配置组合。在竞赛编程题搜索任务中，采用完全自然语言翻译的MoSE-18编码器将准确率从0.23提升至0.74，相对提升达221%。这种显著改善源于自然语言描述的词汇多样性：翻译后文本的独特词汇比例从27-34%跃升至40-47%，需要覆盖80%内容的词汇量增加近一倍，有效提升了语义区分度。
研究同时发现技术应用的边界条件。对于本身具备强语义理解能力的编码器（如Qwen3-Emb），翻译反而导致准确率下降4个百分点。在技术问答社区内容搜索等自然语言密集型任务中，所有翻译策略均表现不佳，最高得分较基准下降38%。这种差异源于"模态错位"问题——当代码库被翻译而查询保持原样时，系统实质上在用不同语言进行匹配，导致搜索质量恶化。
词汇熵变化指标（ΔH）的发现为工程实践提供了关键决策工具。该指标通过计算翻译前后词汇多样性的变化量，可在不运行完整搜索实验的情况下预测翻译效果。实验数据显示，ΔH与搜索提升幅度的相关系数最高达0.593，且能双向预测效果：当ΔH为负值时，翻译必然导致性能下降。这种量化评估方法使开发者能够快速判断是否值得投入翻译成本。
成本效益分析揭示技术落地的现实考量。在H100 GPU环境下，对3.8万个代码片段进行自然语言翻译需要16.5小时，每次查询翻译增加725毫秒延迟。研究团队建议：面对代码密集型查询且ΔH值较高时，应采用同步翻译策略；对于自然语言查询或强编码器场景，则应避免翻译干预。这种动态决策框架平衡了搜索质量与计算成本。
实验还验证了技术的普适性。使用不同架构的AI翻译器（Qwen、DeepSeek、Codestral）在核心任务上均呈现相同规律，证明效果提升源于任务本质而非特定模型特性。在混合型搜索任务中，三种翻译策略效果趋同，显示自然语言与代码的融合表达需要更精细的建模方法。
该研究完整公开了实验提示词、重写模板和代码数据，为行业提供了可复现的技术基准。其核心发现——通过语言对齐提升搜索效果——正在改变代码搜索系统的设计范式。当开发者下次发现搜索结果突然变得精准时，或许正是这种语义转化机制在幕后发挥作用。
