Para peneliti memperkenalkan JAM, sebuah kerangka kerja yang menggeser pengenalan kepribadian dari taksonomi psikologis yang telah ditentukan sebelumnya ke penemuan pseudo-facets laten yang terpadu. Pendekatan ini memungkinkan model untuk menyimpulkan profil psikologis individu secara langsung dari teks tanpa bergantung pada label spesifik teori.
JAM memanfaatkan Attention-Pooled Graph Prototypical Network untuk mempelajari representasi terstruktur melalui pengelompokan dalam ruang embedding. Ini menggunakan Cross-Theory Harmonization untuk mengintegrasikan dataset heterogen melalui tautan yang dipandu manusia dan konsensus yang diinduksi mesin. Sistem ini menggabungkan mekanisme LLM-as-a-Judge dalam dua konfigurasi untuk mengidentifikasi sampel ambigu dan membimbing pembelajaran metrik adaptif.
Eksperimen menunjukkan bahwa JAM meningkatkan generalisasi lintas-kerangka kerja dan kinerja, mendukung teori kepribadian sumber daya rendah.