研究人员推出了 JAM，这是一个将人格识别从预定义的心理学分类转向发现统一潜在伪特质的框架。这种方法使模型能够直接从文本中推断个体心理特征，而无需依赖特定理论的标签。

JAM 利用 Attention-Pooled Graph Prototypical Network 通过嵌入空间中的聚类来学习结构化表示。它采用 Cross-Theory Harmonization 通过人工引导的链接和机器诱导的共识来整合异构数据集。该系统在两种配置中集成了 LLM-as-a-Judge 机制，以识别模糊样本并指导自适应度量学习。

实验表明，JAM 提高了跨框架的泛化能力和性能，支持低资源人格理论。