Pesquisadores apresentam o JAM, uma estrutura que desloca o reconhecimento de personalidade de taxonomias psicológicas predefinidas para a descoberta de pseudo-facetas latentes unificadas. Esta abordagem permite que os modelos infiram perfis psicológicos individuais diretamente do texto, sem depender de rótulos específicos da teoria.
O JAM utiliza uma Attention-Pooled Graph Prototypical Network para aprender representações estruturadas por meio de clustering no espaço de embeddings. Ele emprega Cross-Theory Harmonization para integrar conjuntos de dados heterogêneos através de ligação guiada por humanos e consenso induzido por máquina. O sistema incorpora um mecanismo LLM-as-a-Judge em duas configurações para identificar amostras ambíguas e orientar o aprendizado adaptativo de métricas.
Experimentos demonstram que o JAM melhora a generalização e o desempenho entre estruturas, apoiando teorias de personalidade com poucos recursos.