研究者らは、JAMというフレームワークを紹介した。これは、人格認識を事前定義された心理学的分類体系から、統合された潜在擬似特性の発見へと転換するものである。このアプローチにより、モデルは理論固有のラベルに依存することなく、テキストから直接個人の心理プロファイルを推論できる。

JAMは、Attention-Pooled Graph Prototypical Networkを使用して、埋め込み空間でのクラスタリングを通じて構造化された表現を学習する。また、Cross-Theory Harmonizationを用いて、人間主導のリンクと機械誘発的な合意を通じて異種データセットを統合する。システムは、曖昧なサンプルを特定し適応的メトリック学習をガイドするために、2つの構成でLLM-as-a-Judgeメカニズムを組み込んでいる。

実験により、JAMがクロスフレームワークの汎化性能とパフォーマンスを向上させ、低資源の人格理論をサポートすることが示された。