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 secara langsung menyimpulkan profil psikologis individu dari teks tanpa bergantung pada label spesifik teori.
- Memanfaatkan Attention-Pooled Graph Prototypical Network untuk mempelajari representasi terstruktur melalui pengelompokan dalam ruang embedding.
- Menerapkan Harmonisasi Lintas-Teori (CTH) dengan Tautan Terpandu Manusia dan Konsensus yang Diinduksi Mesin untuk menyatukan dataset heterogen.
- Mengintegrasikan mekanisme LLM-as-a-Judge dalam dua konfigurasi untuk mengidentifikasi sampel ambigu dan membimbing pembelajaran metrik adaptif.
Metode ini meningkatkan generalisasi lintas-kerangka kerja dan kinerja, mendukung teori kepribadian dengan sumber daya rendah.