研究发现语义保持转换的自然性对NPR系统评估有影响，60%的转换被认为是自然的，20%的转换被认为是不自然的。不自然的转换对NPR系统的稳健性测试造成了25.2%的误报率，自然转换下NPR系统性能显著下降。研究提出了基于交叉熵的新自然度度量标准，并成功实现了代码转换的自然度自动评估。