El preprint cruza 20 biografías de persona, cuatro modelos locales y dos temperaturas de conversación en 160 partidas de Split-or-Steal contra un humano virtual que en realidad es GPT-4.1-mini. Cada partida tiene 15 rondas. Los CSV de Zenodo confirman que 1.768/2.400 rondas (73,67%) terminan en Split mutuo; el agente explota al VH en 11,08%, el VH al agente en 6,04% y ambos roban en 9,21%. Ministral y Phi4 cooperan más que los dos Gemma, y las biografías etiquetadas como Prosociales o de Principios muestran más Split que las Analíticas o de Interés Propio. Son patrones descriptivos del artefacto, no efectos causales o psicométricos. Todas las condiciones incluyen una persona, no existe control neutral y sólo hay una trayectoria estocástica por combinación. Las rondas comparten historia y no son 2.400 observaciones independientes. El paper usa “significativamente” sin presentar pruebas, intervalos ni tamaños de efecto; además, la explotación unilateral conjunta es 17,13%, no menos de 11%. Los grupos Big Five son etiquetas de Claude Opus 4.6 sobre historias que ya dicen confiar, explotar o vengarse, no puntuaciones de un test. La auditoría de anotaciones descubre otra divergencia: el método declara truncar a 2.000 caracteres, pero el CSV usa exactamente los primeros 300; 27,3% de las etiquetas de tema y 1,5% de sentimiento incumplen la suma 100 pedida. Se publican diálogos, decisiones y derivados, pero no código, seeds, revisiones de modelos ni pipeline. El estudio sirve como baseline exploratorio de prompt-following en estas simulaciones, no como evidencia sobre personalidad humana o un efecto estable de las personas.
Pregunta de investigación
¿Cómo se relacionan las biografías de persona, el modelo y la temperatura del diálogo con la cooperación, explotación y estrategia aparente en un juego repetido de Split-or-Steal contra un VH basado en LLM?