JPAF representa una persona mediante pesos sobre ocho funciones jungianas (Te, Ti, Fe, Fi, Se, Si, Ne y Ni). Inicializa una función dominante, una auxiliar y seis indiferenciadas; usa coordinación dominante-auxiliar para responder, suma 0,06 a pesos temporales cuando una función se refuerza o compensa una carencia y aplica reglas de “reflexión” para normalizar pesos o sustituir, intercambiar y reorganizar funciones. Es un controlador de prompts y estado explícito: la evolución es una actualización algorítmica de variables diseñada por los autores, no aprendizaje de parámetros ni evidencia de desarrollo psicológico espontáneo.
El estudio prueba GPT-4, Llama-4-Maverick y Qwen3-235B-A22B-Instruct-2507 a temperatura 0,6. En el experimento 1 configura los 16 tipos y administra MBTI-93 y MBTI-70 cinco veces. El baseline incluye directamente la etiqueta MBTI; JPAF omite las cuatro letras pero aporta el par dominante-auxiliar y descripciones detalladas de las funciones. La ganancia media por dimensión suele favorecer JPAF, sobre todo SN y JP: en MBTI-70, JP mejora 9,75 puntos con GPT y 13,38 con Qwen. No es una mejora universal: GPT pierde 1,13 puntos en EI y 2,81 en TF en MBTI-93, y en MBTI-70 TF cae 0,19 con GPT y 0,44 con Qwen. Las tablas muestran además múltiples celdas donde JPAF rinde peor que el baseline.
La frase “100 % de alineación MBTI” no significa 100 % de ítems alineados. Significa que, tras JPAF, las cuatro proporciones de cada tipo quedan por encima del umbral de 50 % y por ello recuperan las cuatro letras esperadas. Las propias tablas contienen accuracies bastante menores: por ejemplo GPT-INTP obtiene 76,67 % en TF con MBTI-93 y Llama-ENFP 60 % en JP con MBTI-70. El trabajo no publica intervalos, tests inferenciales, tamaños de efecto, corrección por multiplicidad ni distribución de los cinco runs, y no controla longitud o cantidad de información del prompt. Por ello sostiene que JPAF puede orientar respuestas de estos cuestionarios, no que mida o produzca personalidad válida.
El experimento 2 usa ocho conjuntos creados por los autores, uno por función, con tres escenarios y cinco preguntas por escenario: 15 preguntas para cada función y configuración. GPT obtiene TAA media por función entre 92,91 % y 100 %; Qwen, entre 88,75 % y 100 %; Llama, entre 65,83 % y 95,41 %. El artículo informa PSA de 100 % para GPT y Qwen y 92,19 % para Llama. Sin embargo, estos scores son circulares: el prompt enumera y describe las ocho funciones, cada escenario se construye expresamente para una función objetivo, y el mismo modelo devuelve en JSON la función elegida, “success” y la actualización. PSA considera correcta una transición si respeta las reglas teóricas que el propio framework impone. No hay anotadores humanos, juez independiente, condición sin JPAF, escenarios ciegos o fuera de distribución, ni conducta real que valide activación o evolución.
Las reglas producen el resultado que luego se interpreta. Pesos y umbrales son heurísticos: B=0,06 se escoge como punto medio factible, A=0,30 como valor “limpio”, el incremento es 0,06 y el decaimiento 0,2, sin ajuste, sensibilidad o ablación. Normalizar obliga competencia entre funciones; superar un umbral activa transformaciones; y el modelo decide cuándo una tarea fue exitosa o qué auxiliar seleccionar “basándose en datos previos” no especificados. En los ejemplos, repetir quince preguntas dirigidas a Se convierte INTP primero en ISTP y después en ESTP; esto demuestra la ejecución de la máquina de estados, no una evolución emergente. Tampoco se evalúan estabilidad después de retirar el escenario, resistencia a manipulación, drift no deseado, reversibilidad, seguridad o efectos sobre usuarios.
La validez de constructo es débil. MBTI es un autoinforme humano dicotómico trasladado a un generador de texto, mientras JPAF controla directamente los mismos descriptores que luego pregunta. No se estudian Big Five, conducta, validez convergente o discriminante, consistencia longitudinal, predicción, juicio humano, realismo, engagement o confianza. Las afirmaciones de utilidad en educación, salud, terapia o relaciones sostenidas son posibilidades de diseño, no resultados del estudio. La muestra cubre inglés, tareas textuales artificiales, tres familias y una sola temperatura; no hay interacción con usuarios, diálogo natural prolongado, tool use, multiagente o riesgos culturales.
La reproducibilidad es insuficiente. Se nombran modelos, temperatura y parte de los prompts, pero “gpt-4” carece de snapshot, proveedor y fecha; los demás parámetros quedan por defecto; no hay seeds pese al muestreo aleatorio de BaseWeights; no se publican código, cuestionarios completos con procedencia verificable, escenarios completos, respuestas, logs, pesos iniciales, historial usado por reflexión ni resultados máquina-legibles. La superficie oficial de arXiv solo identifica v1, PDF, HTML y TeX; no enlaza un repositorio o artefacto ejecutable. El PDF conserva una plantilla ACM sin completar: referencia 2018, conferencia y DOI placeholder, copyright 2018 y fechas recibido 2007/revisado 2009/aceptado 2009. Es un preprint arXiv v1, no una publicación ACM confirmada. JPAF es una especificación interesante de control estructurado, pero la evidencia disponible no justifica presentarlo como personalidad psicológica validada, evolución autónoma o sistema listo para uso sensible.