Este preprint estudia la predicción automatizada de personalidad aparente en entrevistas de vídeo asíncronas simuladas. No induce una personalidad en un LLM: intenta reproducir puntuaciones asignadas por observadores humanos a candidatos. El sistema extrae con OpenFace intensidades de 17 unidades de acción facial, localiza fotogramas clave mediante cambios globales de píxeles y selecciona por rasgo un subconjunto de AUs con simulated annealing guiado por el MSE de un LSTM. GPT-4o transforma ventanas de siete fotogramas en descripciones de movimientos faciales y resume iterativamente esas descripciones. Después, Meta-Llama-3.1-8B-Instruct fusiona ese texto con la transcripción automática de la respuesta; LoRA y una capa lineal se entrenan para predecir por separado Honesty-Humility, Extraversion, Agreeableness y Conscientiousness. El estudio usa AVI-6 y declara 644 participantes repartidos por persona en 450 entrenamiento, 64 validación y 130 test. La fuente oficial del corpus aclara qué significan las etiquetas: 12 evaluadores con nueve horas de formación aplicaron escalas BARS, ocho valoraciones independientes por participante y cuatro ítems por rasgo; la fiabilidad entre evaluadores va de ICC(1,8)=0,61 a 0,83. Son juicios agregados sobre conducta mostrada en una respuesta de entrevista, no autoinformes HEXACO ni mediciones independientes de rasgos estables. El método obtiene MSE de 0,1555, 0,1380, 0,1597 y 0,1077, con media 0,1402; MAE media 0,2982 y correlaciones de Pearson entre 0,4654 y 0,7258. Frente al Longformer de solo texto del propio artículo, el MSE mejora entre 14,33% y 48,83%. La ablación más informativa es más matizada: añadir las descripciones faciales a la misma arquitectura mejora H, X y C, pero empeora Agreeableness frente a la variante sin AUs, de MSE 0,1390 a 0,1597. Tampoco es el mejor resultado conocido de AVI-6: la publicación del reto informa medias 0,12284 y 0,13724 para sus dos primeras soluciones, aunque la comparación no es completamente controlada porque los documentos discrepan sin explicación entre 644/646 participantes y 450/452 casos de entrenamiento. La contribución defendible es arquitectónica: en este split y con estas características generadas, la fusión ayuda a predecir impresiones de evaluadores en tres de cuatro rasgos respecto a la ablación directa. No demuestra que las AUs revelen personalidad verdadera ni valida las interpretaciones post hoc de sinceridad, empatía o control. La cadena OpenFace→GPT-4o→resumen→Llama introduce varias capas de posible pérdida o invención; no hay evaluación humana de fidelidad semántica y los autores observan alucinaciones de dinámica temporal con ventanas de un solo fotograma. Las tablas ofrecen una sola estimación sin intervalos, distribución entre semillas o baseline ingenuo; no se publican número ni valores de las semillas, y GPT-4o usa parámetros por defecto sin seed. El pseudocódigo de simulated annealing tampoco actualiza el estado cuando acepta una solución peor. No hay código, datos derivados, predicciones, adaptadores ni entorno reproducible. Sobre todo, pese al encuadre de selección laboral, no se analizan errores por género, edad, raza, tono de piel, calidad de cámara u otras intersecciones; tampoco privacidad biométrica, consentimiento, impacto adverso, validez con desempeño laboral o uso real. Debe leerse como experimento de benchmark sobre personalidad aparente, no como evidencia para evaluar o contratar candidatos.
Pregunta de investigación
¿Mejora la predicción de puntuaciones de personalidad aparente asignadas por evaluadores en AVI-6 cuando descripciones textuales de unidades de acción facial generadas por GPT-4o se fusionan con las transcripciones mediante un LLM ajustado con LoRA?