Este preprint propone un prototipo para simular decisiones secuenciales durante una evacuación mediante agentes condicionados por personas sintéticas. Cada perfil describe edad, género, percepción del riesgo, confianza en autoridades, respuesta a amenazas, rutinas, dependientes, relaciones y conocimiento espacial. La arquitectura combina un entorno urbano bidimensional parcialmente observable, memoria y percepción, una puntuación de urgencia, GPT-4.1-mini y tres niveles de decisión: intención de evacuación, elección local de ruta y navegación A*. El objetivo es superar modelos de evacuación homogéneos o perfectamente racionales y permitir que las decisiones cambien ante alertas, humo, fuego, tráfico y obligaciones sociales. La contribución defendible es arquitectónica: el repositorio permite inspeccionar cómo se conectan perfiles, reglas cognitivas, prompts, priors empíricos y planificación. No obstante, el estudio no demuestra que el comportamiento simulado prediga el comportamiento humano ni que las diferencias de personalidad emerjan de forma natural. La llamada calibración empírica consiste en convertir un conjunto controlado de elecciones de corredor en probabilidades descriptivas por edad y género y pasar esos valores al prompt de decisión de ruta. El historial contiene 208 participantes, 4.783 respuestas y 4.617 elecciones de corredor únicas en 66 tareas. El script calcula medias sobre preferencia por anchura, elementos de transición y conflictos entre ambas señales. No estima parámetros del simulador, no minimiza una función de ajuste, no informa intervalos, no separa entrenamiento y prueba y no compara trayectorias simuladas con trayectorias humanas. Algunos subgrupos son diminutos, solo tres participantes tienen la clave de género x y ciertas celdas de conflicto reúnen tres o diez decisiones, pero el JSON omite n e incertidumbre. Además, la edad se calcula como 2020 menos año de nacimiento; al menos un registro da -1 y se excluye silenciosamente de los grupos. La principal evidencia conductual del artículo es un escenario mínimo con dos agentes y un fuego estático. El PDF llama al agente rojo risk-averse y al azul risk-prone y afirma que el rojo mantiene más distancia del fuego. La configuración ejecutable contiene exactamente las etiquetas opuestas: el agente rojo Isabello es highly risk prone y el azul Klaus highly risk averse. Por tanto, el patrón visual publicado, si procede de esa configuración, contradice la interpretación de la figura. El artefacto tampoco permite reconstruirla: solo tres logs mencionan explícitamente ambos perfiles; sus archivos de trayectoria tienen cabeceras pero ninguna posición, el notebook histórico de validación se limita a cargar una ruta local y ejecutar main.py, y no existe un script trazable que genere la figura. En las tres corridas ambos agentes ignoran la alerta leve y evacuan cuando un evento textual dice literalmente que la evacuación es obligatoria. Las justificaciones del LLM son inestables: en unos casos risk prone significa subestimar el peligro y en otro se usa como razón para evacuar pronto. El discussion llama a los perfiles estadísticamente distinguibles, pero ni el PDF ni el código proporcionan n, test, estadístico, p, intervalo o tamaño de efecto. Además, el comportamiento está preestructurado por una puntuación determinista de urgencia, modificadores activados por texto de persona y reglas explícitas de seguridad y cuidado de dependientes. Sin ablaciones de reglas, persona, priors y LLM no se sabe qué componente produce cada resultado. El estudio de escalabilidad ejecuta tres episodios con uno a cinco agentes y muestra que el uso de tokens crece y tiene picos en pasos con estímulos. Esto documenta un coste del prototipo, no escalabilidad general. El propio artículo reconoce que faltan trazas humanas secuenciales y deja para trabajo futuro comparar distribuciones y repetir con agentes las tareas T-intersection realizadas por participantes; ese reconocimiento delimita correctamente el estado actual. El repositorio aporta código, datos, configuraciones, logs y notebooks, pero no es un paquete reproducible: la rama por defecto está desactualizada frente a prompt-cleaning, el paper no fija rama o commit, faltan README superior, licencia, release, entorno bloqueado, tests y CI, la semilla de configuración no se pasa a env.reset y el alias remoto del modelo no está fijado. Más grave, la rama pública por defecto contiene una probable credencial OpenAI en texto plano; este resumen omite deliberadamente su valor y exige revocarla y purgarla del historial. Los CSV con datos individuales también carecen, dentro del repositorio, de licencia, diccionario, declaración de uso y documentación de consentimiento o desidentificación. El prototipo es una base interesante para investigar arquitecturas cognitivas híbridas, pero antes de usarse en planificación de emergencias necesita corregir las etiquetas, reconstruir una canalización reproducible, incorporar baselines y ablaciones, validar constructos, evaluar contra personas fuera de muestra, cuantificar incertidumbre y resolver seguridad y gobernanza de datos.
Pregunta de investigación
¿Puede una arquitectura jerárquica que combina perfiles textuales, priors de elección de ruta, reglas cognitivas, GPT-4.1-mini y navegación A* producir decisiones secuenciales heterogéneas y plausibles durante una evacuación dinámica?