JAM introduce alineación de métricas adaptativas agnósticas a la teoría para el reconocimiento de personalidad

Los investigadores presentan JAM, un marco que desplaza el reconocimiento de personalidad desde taxonomías psicológicas predefinidas hacia el descubrimiento de pseudo-facetas latentes unificadas. Este enfoque permite a los modelos inferir perfiles psicológicos individuales directamente del texto sin depender de etiquetas específicas de la teoría.

• Utiliza una Attention-Pooled Graph Prototypical Network para aprender representaciones estructuradas mediante clustering en el espacio de embeddings.
• Emplea Cross-Theory Harmonization (CTH) con Human-Guided Linkage y Machine-Induced Consensus para unificar conjuntos de datos heterogéneos.
• Incorpora un mecanismo LLM-as-a-Judge en dos configuraciones para identificar muestras ambiguas y guiar el aprendizaje de métricas adaptativas.

El método mejora la generalización y el rendimiento entre marcos, apoyando teorías de personalidad con pocos recursos.