JAM引入理论无关的自适应度量对齐用于人格识别

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。

• 利用Attention-Pooled Graph Prototypical Network通过嵌入空间中的聚类学习结构化表示。
• 采用Cross-Theory Harmonization (CTH)，结合Human-Guided Linkage和Machine-Induced Consensus来统一异构数据集。
• 在两种配置中整合LLM-as-a-Judge机制，以识别模糊样本并指导自适应度量学习。

该方法提高了跨框架的泛化能力和性能，支持低资源人格理论。