[AI]《Beyond Vector Similarity: Hierarchical Context-Aware Graph RAG vs Standard RAG in Enterprise Code Migration》N Jaiswal, A Agrawal, A Shukla, D Malhotra… [Google Cloud] (2026)

在企业级代码迁移领域，用 LLM
自动翻译是一个悬而未决的难题。过去的方法受困于向量检索，本质原因是它将代码库视为孤立文本，无视了跨文件的继承与调用等关键结构，导致生成的代码频繁编译失败。

本文的核心洞见是：把代码库重新看作一个确定性的结构图，而非模糊的文本语料。由此，先从代码的抽象语法树构建依赖关系，再按父类优先的拓扑顺序进行翻译，这一关键操作使跨文件依赖得以解开。

这项工作真正留下的遗产是一种新的评估范式：代码迁移的价值在于结构保真度，而非文本相似度。它为后来者打开的新门是利用图为 LLM
注入全局架构感知，但尚未跨过的门槛是这种全局视野会导致模型过度设计，牺牲代码简洁性。

arxiv.org/abs/2609.12464 #机器学习# #人工智能# #论文# #AI创造营#