DARE：通过分布感知检索将 LLM Agent 与 R 统计生态系统对齐

大型语言模型代理可自动化数据科学工作流，但因缺乏统计知识及工具检索困难，导致 R 语言中严谨的统计方法未被充分利用。现有检索增强方法忽视数据分布，匹配效果不佳。本文提出 DARE，一种轻量级即插即用检索模型，将数据分布信息融入函数表示以优化 R 包检索。主要贡献包括：构建包含 8191 个高质量 CRAN 包的 R 包知识库 RPKB；开发融合分布特征与元数据的嵌入模型 DARE；以及面向 R 的代码生成代理 RCodingAgent。实验表明，DARE 在参数更少的情况下，检索性能显著优于现有开源模型。