Pesquisadores apresentam o JAM, um framework 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.
- Utiliza uma Attention-Pooled Graph Prototypical Network para aprender representações estruturadas via clustering no espaço de embeddings.
- Emprega Cross-Theory Harmonization (CTH) com Human-Guided Linkage e Machine-Induced Consensus para unificar conjuntos de dados heterogêneos.
- Incorpora um mecanismo LLM-as-a-Judge em duas configurações para identificar amostras ambíguas e guiar o aprendizado de métricas adaptativas.
O método melhora a generalização e o desempenho entre frameworks, apoiando teorias de personalidade com poucos recursos.