arXiv cs.CL· Maojun Sun, Yue Wu, Yifei Xie, Ruijian Han, Binyan Jiang, Defeng Sun, Yancheng Yuan, Jian Huang·· 11 小时前AI 评分35
DARE：通过分布感知检索让 LLM 智能体对齐 R 统计生态
DARE: Aligning LLM Agents with the R Statistical Ecosystem via Distribution-Aware Retrieval
AI 导读
DARE（Distribution-Aware Retrieval Embedding）将数据分布与结构特征引入 R 函数检索，替代仅依赖语义相似度的 RAG 方式。
正文 · AI 翻译
摘要：大型语言模型（LLM）智能体在自动化数据科学工作流方面表现出色，但往往未能充分利用 R 中严谨的统计方法。现有的检索增强生成（RAG）方法依赖语义相似度，忽略了对于判断统计方法适用性至关重要的数据分布和结构特征。为解决这一问题，我们提出了 DARE（分布感知检索嵌入），一个将上述数据特征纳入 R 函数检索的表征学习框架。我们的贡献有四个方面：(i) RPKB，一个精心构建的知识库，包含 8,191 个高质量 R 函数；(ii) DARE，分布感知检索框架；(iii) RCodingAgent，一个集成 DARE 以实现端到端分析的面向 R 的智能体；(iv) RStatBench，一个包含 100 项统计任务的综合基准。实验表明，DARE 在所评估的嵌入模型上将 NDCG@10 提升了 13.43 至 32.65 个百分点，其中基于 MiniLM 的 DARE 在保持高效率的同时达到 93.92% 的 NDCG@10。此外，将 DARE 集成到 RCodingAgent 中，使 RStatBench 上的平均下游准确率几乎翻倍，在十个 LLM 上从 31.8% 提升至 62.2%。这项工作有助于将现代 LLM 自动化与 R 成熟的统计计算生态系统相衔接。
| 评论： | 32 页，8 幅图，3 张表 |
| 主题： | 信息检索（cs.IR）；人工智能（cs.AI）；计算与语言（cs.CL） |
| 引用为： | arXiv:2603.04743 [cs.IR] |
| （或本版本的 arXiv:2603.04743v2 [cs.IR]） | |
| https://doi.org/10.48550/arXiv.2603.04743 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Maojun Sun [查看邮箱]
[v1]
2026 年 3 月 5 日星期四 02:29:54 UTC（1,760 KB）
[v2]
2026 年 11 月 2 日星期一 16:03:21 UTC（3,853 KB）
来源：arXiv cs.CL · arxiv.org