Este trabajo compara cómo cinco LLM, Gemma 3 27B, Qwen 3 32B, Llama 3.3 70B Instruct, Gemini 2.5 Pro y GPT-4.1, completan perfiles palestinos e israelíes bajo contexto de guerra o no guerra, edad y cinco roles. Con 640 configuraciones por modelo, 3.200 perfiles base, observa que la guerra desplaza con más frecuencia los perfiles palestinos hacia clase baja, ocupaciones de supervivencia y descriptores de fatiga o lesión, mientras los israelíes permanecen mayoritariamente en clase media y empleos especializados. Añadir una advertencia contra supuestos dañinos no corrige el patrón de forma estable: según el modelo cambia pronombres, converge hacia estudiante o altera la apariencia, pero persisten diferencias socioeconómicas. Es un diagnóstico valioso de disparidad representacional y sensibilidad al prompt, no una medida de personas reales. No hay referencia demográfica ni definición operativa de justicia; se usa una sola generación por celda a temperatura 0,7, sin intervalos ni pruebas. El prompt obliga a los niños a haber trabajado y reduce género y clase a categorías cerradas. Además, el análisis de razones cuenta palabras incluidas en la propia advertencia, y el SAE de otro Llama se aplica a textos, no a activaciones internas. No hay datos ni código para reproducir los resultados. La figura 9 oficial intercambia las series de Llama, Qwen y GPT respecto de la tabla 1. El artículo apoya auditar asociaciones inducidas por prompts, no simular fielmente poblaciones ni demostrar razonamiento justo.
Pregunta de investigación
Cómo representan cinco LLM las identidades palestina e israelí al generar personas bajo variaciones de guerra, edad y rol; cómo cambia esa representación al pedir que eviten supuestos dañinos; y qué muestran sus justificaciones textuales sobre esa respuesta al concepto de justicia.