Este trabajo analiza si una instrucción de sistema que asigna al LLM uno de los 16 tipos MBTI altera su clasificación binaria de discurso de odio. Es directamente relevante para personalidad sintética como condicionamiento por prompt, pero no demuestra que el modelo posea o reproduzca una personalidad. Cada condición consiste en el código MBTI, un nombre arquetípico de 16personalities.com y una breve descripción estereotípica; el efecto observado es sensibilidad a ese texto de sistema.
El estudio humano recluta 293 estudiantes y personal universitario mediante una lista de correo. Cada participante clasifica los mismos 20 tuits de Davidson, diez etiquetados como hate speech y diez como offensive language, y después declara su tipo MBTI y demografía. Los ítems se seleccionan deliberadamente, no al azar, para evitar ejemplos poco interpretables. Los 16 tipos están representados, pero no se publican sus tamaños, edad, género, instrumento usado para determinar MBTI, criterios de respuesta válida, consentimiento o revisión ética. La muestra étnica declarada es 216 White, 44 Asian y 33 personas repartidas entre otras cuatro categorías.
La evidencia humana es solo descriptiva. ESFP marca como odio el 67,5 % de los 20 ítems; INFJ, ENFP, ISFJ e INFP superan el 60 %, mientras ISTJ, ESFJ y ESTP quedan por debajo del 50 %. El paper interpreta que Feeling incrementa sensibilidad y usa repetidamente «significant», pero no informa ninguna prueba inferencial, p-value, intervalo de confianza, tamaño de efecto, modelo que controle el desequilibrio entre tipos o corrección por comparaciones. Sin los n por tipo, ni siquiera puede juzgarse la incertidumbre de cada barra. Como MBTI es autodeclarado y no asignado, la asociación tampoco identifica un efecto causal de personalidad.
Para los LLM se usan Llama-3.1-8B-Instruct, Ministral-8B-Instruct-2410, Falcon3-Mamba-7B-Instruct y Qwen2.5-7B-Instruct, todos a temperatura 0. El sistema dice «You are [Persona]» y añade la descripción; el usuario aporta el texto y pide responder solo yes o no. Se evalúan 16 personas sobre 365 ejemplos CREHate, 1.142 HateXplain y 20.620 Davidson. Esto implica 354.032 clasificaciones por modelo y 1.416.128 en total si se ejecuta el cruce completo. No existe una condición neutral o sin persona, así que el diseño demuestra variación entre prompts, pero no cuánto introduce una persona respecto al comportamiento base.
La selección de datos cambia el significado de la métrica entre corpus. CREHate contiene únicamente 365 casos que los cinco países etiquetaron unánimemente como odio: allí la «inconsistencia» es una tasa de falsos negativos. Davidson conserva hate speech y offensive language, pero excluye neither; con su distribución muy desbalanceada, la discrepancia está dominada por cómo el modelo separa odio de lenguaje ofensivo. HateXplain usa 1.142 ejemplos de un subconjunto no especificado. El paper no publica conteos de clase, reglas reproducibles de selección ni precision, recall, F1 o matrices de confusión. Comparar porcentajes de inconsistencia entre datasets como si midieran lo mismo no es válido porque cambian prevalencia y composición.
Los resultados descriptivos sí muestran sensibilidad sustancial al prompt. En Qwen sobre Davidson, ENFP discrepa con ISTJ en 0,57, con ESFP en 0,63 y con ENTJ en 0,61, mientras INTJ–ISTJ y ESTJ–ISTJ discrepan 0,08 y 0,13. CREHate, Davidson y HateXplain producen patrones distintos por modelo. Estos valores verifican que modificar el texto de persona puede cambiar muchas etiquetas deterministas del mismo modelo; no establecen que los tipos MBTI sean la causa psicológica ni que la etiqueta original sea siempre la única respuesta válida.
El análisis de logits presenta un contraste ENFP–ESFP en Qwen/Davidson y agrupa tipos por las cuatro letras MBTI. Los autores interpretan logits de yes más altos como mayor confianza y atribuyen diferencias a rasgos Thinking, Feeling, Judging o Perceiving. Hay tres problemas. Primero, logits crudos no son probabilidades calibradas ni comparables entre modelos. Segundo, ENFP y ESFP difieren en una letra, pero los prompts completos cambian a la vez el arquetipo y muchas palabras descriptivas; no es una manipulación contrafactual de un único rasgo. Tercero, el código impreso en el apéndice extendido construye mal las dicotomías.
Ese código usa solo cuatro tipos por lado, no los ocho que corresponden a cada letra. Algunos grupos no mantienen las otras tres letras fijas: por ejemplo, el bloque I/E enfrenta INFJ con una lista E que incluye ESTJ. Más decisivo, Thinking y Judging contienen exactamente INTJ, ENTJ, ISTJ y ESTJ, mientras Feeling y Perceiving contienen exactamente INFP, ENFP, ISFP y ESFP. Por tanto, «T vs F» y «P vs J» son el mismo contraste de ocho tipos con los rótulos invertidos; mezclan simultáneamente T/F y J/P. Las curvas de Figure 7c y 7d se corresponden por construcción, y no permiten concluir de forma independiente que Thinking y Judging elevan la confianza.
La comparación humano–LLM usa dos PCA separadas y afirma que las personas promptadas están mucho más dispersas. No se documentan matriz, preprocesamiento, estandarización, varianza explicada ni si Qwen se limita a los mismos 20 ítems humanos. Las figuras usan escalas radicalmente distintas. Si el LLM usa Davidson completo, su vector tiene 20.620 dimensiones frente a 20 en humanos; la distancia crece mecánicamente con el número de ítems. Sin un espacio común, normalización y contraste cuantitativo, el gráfico no demuestra amplificación ni mayor maleabilidad.
La trazabilidad es insuficiente. El paper enumera repositorios de modelos, pero no fija revisiones salvo el alias fechado de Ministral, ni documenta hardware, librerías, formato de chat, tokenización de Yes/No, seeds o ejecución. Decir que la instrucción «only answer yes or no» restringe el vocabulario no equivale a constrained decoding. No se han localizado código, datos, respuestas, logits, survey anonimizada, notebooks ni entorno público; Papers With Code también registra que no hay implementación. Los cientos de histogramas del apéndice no sustituyen artefactos numéricos reproducibles.
La conclusión fiel es que cuatro modelos de 7–8B, a temperatura 0, cambian de manera a veces grande sus etiquetas y logits cuando se modifica una instrucción MBTI rica en lenguaje estereotípico. El estudio humano sugiere diferencias descriptivas entre grupos autodeclarados en 20 ítems curados. No demuestra efectos estadísticamente significativos en personas, fidelidad de personalidad, causalidad de cada dimensión MBTI, superioridad de una persona, amplificación frente a humanos, rendimiento de moderación general ni una personalidad interna del LLM.