يُعتقد على نطاق واسع أن البنى النفسية داخل الأفراد مترابطة بشكل وثيق. وقد قمنا بدراسة ما إذا كان يمكن لنموذجات اللغة الكبيرة (LLMs) نمذجة البنية الارتباطية للسمات النفسية البشرية من مدخلات كمية محدودة، وكيفية ذلك. قمنا بتحفيز مختلف نماذج اللغة الكبيرة باستخدام إجابات مقياس الخمسة الكبار (Big Five Personality Scale) من 816 فردًا بشريًا، لتمثيل أدوار استجابات هذه الأشخاص على تسع مقياسات نفسية أخرى. أظهرت نماذج اللغة الكبيرة دقة ملحوظة في التقاط البنية النفسية البشرية، حيث اتّسقت أنماط الارتباط بين المقياسين في الاستجابات المُولَّدة بواسطة النماذج مع تلك المُستمدة من البيانات البشرية بشكل قوي. وحققت هذه الأداء "بصيغة صفر" (zero-shot) تفوقًا كبيرًا في الدقة مقارنةً بالتنبؤات المستندة إلى التشابه الدلالي، واقتربت من دقة خوارزميات التعلم الآلي التي تم تدريبها مباشرةً على نفس المجموعة البيانات. وأظهر تحليل مسارات التفكير (reasoning traces) أن نماذج اللغة الكبيرة تستخدم عملية منهجية مكوّنة من مرحلتين: أولاً، تقوم بتحويل الاستجابات الخام لمقياس الخمسة الكبار إلى ملخصات لشخصية باللغة الطبيعية من خلال عملية اختيار المعلومات وضغطها، وهي عملية تشبه إنشاء إحصائيات كافية (sufficient statistics). ثانيًا، تقوم بتحديد استجابات المقياس المستهدف بناءً على استنتاجات منطقية مستمدة من هذه الملخصات. فيما يتعلق باختيار المعلومات، أظهرت النماذج نفس العوامل النفسية الأساسية التي تُحددها الخوارزميات المدربة، رغم فشلها في التمييز بين أهمية العناصر داخل كل عامل. وليست الملخصات المُضغَطة الناتجة مجرد تمثيلات متكررة، بل تُعدّ حاملة لمعلومات تآزرية — إذ أن إضافة هذه الملخصات إلى الدرجات الأصلية يعزز من توافق التنبؤات، مما يشير إلى أنها تحمل أنماطًا مُستمَدة من الدرجة الثانية (second-order patterns) في التفاعل بين السمات. تُظهر نتائجنا أن نماذج اللغة الكبيرة قادرة على التنبؤ بدقة بسمات الشخصيات النفسية للأفراد من بيانات محدودة، من خلال عملية استخلاص مفاهيم واستنتاج منطقي، مما يوفر أداة قوية للمحاكاة النفسية، ويقدّم رؤى قيمة حول قدراتها الاستنتاجية المُستمَدة (emergent reasoning capabilities).