ReSyn: Обобщенный фреймворк рекурсивного синтеза регулярных выражений

Аннотация

Существующие системы программирования по примерам (PBE) часто полагаются на упрощённые эталоны, которые не отражают высокую структурную сложность реальных регулярных выражений, такую как более глубокая вложенность и частое использование операций объединения. Для преодоления связанного с этим снижения производительности мы предлагаем ReSyn — не зависящую от конкретного синтезатора структуру «разделяй и властвуй», которая разбивает сложную задачу синтеза на управляемые подзадачи. Мы также представляем Set2Regex — эффективный по числу параметров синтезатор, учитывающий инвариантность примеров к перестановкам. Результаты экспериментов показывают, что ReSyn значительно повышает точность различных синтезаторов, а его комбинация с Set2Regex устанавливает новый современный уровень на сложном реальном эталоне. Полный исходный код, наборы данных и предобученные контрольные точки моделей доступны по адресу https://github.com/mrseongminkim/ReSyn.

English

Existing Programming-By-Example (PBE) systems often rely on simplified benchmarks that fail to capture the high structural complexity of real-world regexes, such as deeper nesting and frequent use of union operations. To overcome the resulting performance drop, we propose ReSyn, a synthesizer-agnostic divide-and-conquer framework that decomposes complex synthesis problem into manageable sub-problems. We also introduce Set2Regex, a parameter-efficient synthesizer capturing the permutation invariance of examples. Experimental results demonstrate that ReSyn significantly boosts accuracy across various synthesizers, and its combination with Set2Regex establishes a new state-of-the-art on challenging real-world benchmark. The complete source code, datasets, and pre-trained model checkpoints are publicly available at https://github.com/mrseongminkim/ReSyn.