正确答案是：A: `val pos = LabeledPoint(1.0, Vectors.dense(1.0, 0.0, 3.0))`

### 分析：

- **LabeledPoint** 是一个用于存储标签和特征向量的数据结构，常用于机器学习库中，如Apache Spark的MLlib。

- **Vectors.dense(1.0, 0.0, 3.0)** 是用于创建密集型向量（dense vector）的正确方式，表示向量 (1.0, 0.0, 3.0)。

下面是对各个选项的分析：

- **A: `val pos = LabeledPoint(1.0, Vectors.dense(1.0, 0.0, 3.0))`**
- 这是正确的使用方式。首先创建一个标签为1.0的`LabeledPoint`，然后使用`Vectors.dense()`正确生成密集型向量。

- **B: `val pos = LabeledPoint(1.0, (1.0, 0.0, 3.0))`**
- 错误。这种写法直接将一个元组 (1.0, 0.0, 3.0) 作为参数传递，而不是使用`Vectors.dense()`，因此会导致编译错误。

- **C: `val pos = LabeledPoint(Vectors.dense(1.0, 0.0, 3.0), 1.0)`**
- 错误。参数顺序不正确，`LabeledPoint`的构造函数要求第一个参数是标签，第二个参数是特征向量。

- **D: `val pos = LabeledPoint((1.0, 0.0, 3.0),1.0)`**
- 错误。同B选项一样，将元组作为参数传递，而不是向量对象，会导致编译错误。

因此，只有选项A是正确的。