The University of Hong Kong（香港大学）

Recovering Latent Structures after Variational Bayesian Variable Selection: Fit Assessment and Factor-Number Selection in Partially Exploratory Factor Analysis

变分贝叶斯变量选择后恢复潜在结构：部分探索性因子分析中的拟合评估和因子数量选择

Jinsong Chen, Yi Jin

机构 * Faculty of Education, The University of Hong Kong（香港大学教育学院） ； Department of Curriculum and Instruction, The Education University of Hong Kong（香港教育大学课程与教学系） 纠错

AI总结 研究针对部分探索性因子分析中载荷结构和因子数量规定弱的问题，引入选择后评估框架，通过硬选或软选转换协方差模型，推导相关指标，提出无标度增益规则确定因子数量，模拟及实例表明该方法能有效恢复结构、准确确定维度且拟合良好。

Continual Learning With Participation Privacy: An Auditable Buffering-Aggregation Recipe

具有参与隐私的持续学习：一种可审计的缓冲聚合方法

T-H. Hubert Chan, Elaine Shi, Mengshi Zhao, Mingxun Zhou

机构 * The University of Hong Kong（香港大学） ； Carnegie Mellon University（卡内基梅隆大学） ； The Hong Kong University of Science and Technology（香港科学与技术大学） 纠错

AI总结 研究单编辑相邻用户流的持续学习隐私问题，提出模块化方法，用随机缓冲包装器处理，证明认证定理，使标准原语产生轨迹级差分隐私，建立隐私与延迟联系。

Comments This version corrects and clarifies the independent-decomposability condition underlying the adaptive-safety result in the ICML 2026 paper, with corresponding revisions to the affected statements and proofs

From Text to Parameters: Predicting Item Parameters from Embedding Regularization with Reliability and Design Ceilings

从文本到参数：通过具有可靠性和设计上限的嵌入正则化预测项目参数

Shi-Ting Chen, Jinsong Chen

机构 * Faculty of Education, The University of Hong Kong（香港大学教育学院） 纠错

AI总结 研究新开发项目校准的冷启动问题，提出结合正则化回归等的评估框架，应用于数学和医疗项目库，发现项目难度可预测，区分度和伪猜测较难，强调重复交叉验证及无尺度度量和明确上限的重要性。

NativeMEM: Native Memory Compression for Long-Horizon Robotic Manipulation

NativeMEM：用于长期机器人操作的原生内存压缩

Ziye Wang, Modi Shi, Chaojun Ni, Jiazhi Yang, Mengdi Li, Zhizhong Su, Tianwei Lin, Hongyang Li

机构 * The University of Hong Kong（香港大学） ； Beihang University（北京航空航天大学） ； Peking University（北京大学） ； The Chinese University of Hong Kong（香港中文大学） ； Horizon Robotics（地平线机器人） 纠错

AI总结 研究如何让预训练VLA模型高频更新时保留长期视觉历史且高效。提出NativeMEM策略，用原生内存压缩编码，通过开发分词器对齐内存令牌与策略，该方法在模拟和真实机器人实验中效果好，数据效率高。