Tan y colaboradores estudian si un LLM puede predecir el valor modal de subgrupos demográficos de Singapur. Parten de 2.012 participantes de WVS Wave 7, conservan 214 preguntas y forman etiquetas agregadas por sexo, edad, etnia, religión y algunas intersecciones. Siete modelos abiertos reciben un epoch de LoRA para responder con la opción numérica más frecuente de cada subgrupo. En intersecciones reservadas de edad-religión, edad-etnia y etnia-religión, la exactitud media sube de 0,450 a 0,624 y NMAE baja de 0,269 a 0,173. La transferencia a texto libre frente a GPT-4.1 es mucho menor y desigual: +2,2 puntos de win rate en alineación de valor, +1,1 global y -0,6 en persona; varios intervalos incluyen cero y Phi-4-mini empeora. Tres anotadores respaldan mejor al juez automático en valor que en autenticidad de persona. La equidad depende de la métrica: la disparidad media baja con exactitud, pero aumenta con error ordinal. Este es un holdout de combinaciones demográficas, no de preguntas, personas ni culturas: las mismas 214 preguntas, categorías y 2.012 encuestados alimentan train y evaluación. La moda borra distribución y voces minoritarias, no hay baseline estadístico simple ni repeticiones de entrenamiento, el bootstrap ignora agrupación, y el texto discrepa entre 20.877 y 22.837 pares. No se publican código, datos derivados, outputs ni anotaciones; WVS prohíbe redistribuir sus ficheros, pero faltan también receta, versión/DOI oficial y artefactos reproducibles. El trabajo demuestra transferencia conductual dentro de una ontología fija, no valores individuales, autenticidad cultural ni una representación interna de persona.
Pregunta de investigación
¿Puede el ajuste supervisado con respuestas modales de subgrupos enseñar a varios LLM a predecir valores de intersecciones demográficas no incluidas en entrenamiento y transferir esa conducta a texto abierto sin agravar disparidades?