研究者らは、JAMというフレームワークを発表しました。これは、人格認識を事前に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す。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ます。

  • 埋め込み空間でのクラスタリングを通じて構造化表現を学習するために、Attention-Pooled Graph Prototypical Networkを利用します。
  • 異種データセットを統合するために、Human-Guided LinkageとMachine-Induced Consensusを用いたCross-Theory Harmonization (CTH)を採用しています。
  • 曖昧なサンプルを特定し適応的メトリック学習を誘導するために、2つの構成でLLM-as-a-Judgeメカニズムを組み込んでいます。

この手法は、低リソースの人格理論をサポートしつつ、フレームワーク間の汎化性能とパフォーマンスを向上させます。