Anamnesis es un artículo de sistema, todavía en arXiv v1, sobre una plataforma web de código abierto para construir encuestas y ejecutarlas con participantes virtuales condicionados por historias de vida sintéticas. No crea réplicas de personas reales ni demuestra que un LLM posea una personalidad humana. La aplicación integra preguntas de opción única, selección múltiple, respuesta abierta, ranking, imagen y audio; un backend Supabase; una cola RabbitMQ; y workers que consultan a un modelo. El modo Anthology antepone una narración completa y acumula las respuestas anteriores de la misma persona virtual. El control zero-shot usa una descripción demográfica breve. Si la salida no cumple el formato, otro LLM puede convertirla en una letra, introduciendo una segunda dependencia de modelo que puede afectar el resultado.
La base descrita contiene 34.907 historias sintéticas en inglés. Sus atributos demográficos no son observados ni autodeclarados: otro LLM estima distribuciones de probabilidad. Top-K suma las categorías elegidas por dimensión, multiplica entre dimensiones y selecciona las puntuaciones más altas; el modo balanceado crea cuotas por combinaciones y aplica asignación húngara sobre los 50 mejores candidatos de cada celda. Esto controla la muestra respecto a predicciones del propio modelo, pero no garantiza identidades correctas, probabilidades calibradas ni representatividad censal. La multiplicación supone independencia y puede distorsionar combinaciones interseccionales. En modo logprobs, si el código no reconoce ningún token de opción, sustituye el fallo por una distribución uniforme que puede parecer incertidumbre válida. Por tanto, demográficamente controlable no significa población estadísticamente representativa.
El primer caso reproduce parte de Anthology con LLaMA-3.1-8B, 20 preguntas seleccionadas de tres olas del American Trends Panel y miles de personas virtuales. Mide distancia de Wasserstein entre distribuciones y norma de Frobenius entre matrices de correlación; menor es mejor. La variante de peso máximo mejora a BIO y QA en las seis celdas: en la ola 34 obtiene 0,160/0,837 frente al mejor baseline 0,235/1,481; en la 92, 0,251/1,603 frente a 0,346/1,719; y en la 99, 0,148/1,026 frente a 0,180/1,229. Greedy mejora cinco de seis comparaciones contra el mejor baseline, pero su Frobenius 1,352 en la ola 99 es peor que 1,229 de BIO. Todas las variantes siguen claramente por detrás de la fila humana (0,057/0,418; 0,091/0,411; 0,081/0,327). No se informan intervalos, variación entre ejecuciones, múltiples modelos, análisis por subgrupo o pregunta, criterio completo de selección ni prueba de contaminación.
El segundo caso usa 49 concursos de viñetas, Gemini 2.5 Flash a temperatura 1,0 y 20 elecciones por concurso. Anthology acierta el ganador humano en 29/49 casos (59,2%; IC Wilson 45,2–71,8) y zero-shot en 25/49 (51,0%; 37,5–64,4): cuatro concursos más, con intervalos solapados. El artículo dice aplicar McNemar exacto pero no publica su p-valor ni la tabla de pares discordantes. La cuota de voto al ganador humano sube de 52,0% a 59,8%, +7,8 puntos (IC bootstrap 3,2–12,8; prueba de signos exacta p=0,0024). Esto muestra mayor acuerdo agregado con ese benchmark, no comprensión general del humor ni fidelidad individual.
El código de aplicación es realmente público y AGPL, pero la evidencia no es reproducible de extremo a extremo. La rama principal no incluye la instantánea enriquecida de 34.907 personas, datos ATP/viñetas, configuraciones, semillas, salidas ni scripts que recompongan las tablas. Los datasets públicos contienen 11.364 historias Anthology y 41.053 Alterity, solo texto, no las probabilidades usadas. El frontend compila, pero la auditoría encontró 27 errores de lint, 60/128 pruebas frontend fallidas en el entorno comprobado, una colección pytest rota y dos fallos adicionales entre las 256 pruebas restantes; npm audit detectó tres vulnerabilidades altas de producción. Más grave: funciones SQL SECURITY DEFINER que leen claves API descifradas o cambian tareas no revocan EXECUTE a PUBLIC ni comprueban propiedad, y las funciones de medios verifican autenticación pero no pertenencia del objeto. No se probaron estos fallos contra producción ni se accedió a datos. La web es clara, responsive y usa landmarks y enlace de salto, pero el titular animado expone frases incompletas, la navegación móvil oculta casi todos los enlaces sin menú y el registro carece de política de privacidad o términos. En conjunto, Anamnesis es un prototipo abierto útil con una interfaz real y mejoras relativas en dos casos acotados; no valida participantes sintéticos representativos ni una alternativa lista para sustituir estudios humanos.