STRUCTUREDREGEX是由德克萨斯大学奥斯汀分校计算机科学系创建的一个新的正则表达式合成数据集。该数据集包含3520个英语描述，每个描述都与一个复杂的正则表达式及其相关的正负例配对。数据集的创建过程涉及使用结构化概率文法生成正则表达式，并通过向众包工作者展示抽象图示来收集语言描述，以避免预设描述方式。STRUCTUREDREGEX旨在解决现有数据集在正则表达式复杂性和语言描述多样性方面的不

arXiv2020-05-02 更新160

RegexPSPACE

正则表达式

空间计算

RegexPSPACE数据集是针对PSPACE完全正则表达式（regex）问题构建的，用于评估大型语言模型（LLM）和大型推理模型（LRM）的空间计算能力。数据集包括超过一百万个正则表达式实例，涵盖了正则表达式等价性判定（RegexEQ）和最小化（RegexMin）两个PSPACE完全问题。该数据集通过双指数空间探索构建，并经过严格的过滤过程，旨在揭示LLM和LRM在空间复杂性约束下的计算局限性，

arXiv2025-10-10 更新100

RegexCompositionBench

软件开发

正则表达式

RegexCompositionBench是一个大规模的语料库，包含了来自生产级软件项目和互联网源的正则表达式及其相关的测试套件。该数据集用于评估正则表达式的重用和合成策略，旨在解决正则表达式组合任务中的自动化问题，并为开发者提供选择正则表达式组合策略的指导。

arXiv2025-03-26 更新630

A Dataset for Comprehensive Study of Regular Expression Bugs

正则表达式

软件测试

This dataset describes the 350 merged pull requests in terms of bug classification, regex changes in bug fix, and test code in bug fix

DataCite Commons2020-11-13 更新140