正确且最优：正则表达式推断挑战

我们提出正则表达式推断（REI）作为代码/语言建模以及更广泛的机器学习社区的一项挑战。REI是一项监督机器学习（ML）与程序优化任务，其问题在于从样本中找出最小正则表达式：给定两个有限字符串集合 $P$ 和 $N$ 以及一个代价函数 $cost(\cdot)$，任务是生成一个表达式 $r$，它接受 $P$ 中的所有字符串并拒绝 $N$ 中的所有字符串，且不存在其他这样的表达式 $r'$ 满足 $cost(r')<cost(r)$。REI作为挑战问题具有若干优势：(i) 正则表达式广为人知、被广泛使用，并且是代码的一种自然理想化；(ii) REI的渐近最坏情况复杂度已被充分理解；(iii) REI具有少量易于理解的参数（例如 $P$ 或 $N$ 的基数、样本的字符串长度或代价函数），这使我们可以轻松微调REI的难度；(iv) REI强调优化，是基于深度学习的ML尚未解决的问题。最近，一个REI求解器利用程序合成技术在GPU上实现，首次实现了针对复杂REI实例的快速最小正则表达式生成。基于这一进展，我们生成并发布了首个大规模REI数据集，并设计并评估了若干初步的启发式与机器学习基线。我们邀请社区参与并探索学会求解REI问题的ML方法。我们相信，REI上的进展将直接转化为代码/语言建模上的进展。