El preprint combina dos estudios. En el primero, 318 participantes de Prolific completan el Short Dark Triad, una escala de empatía y tareas de riesgo, dilemas morales, control estratégico y engaño; fallos técnicos reducen a 277 las observaciones completas de varias tareas. Cuatro regresiones LASSO obtienen R² de validación cruzada de 0,30 para el compuesto, 0,26 para maquiavelismo, -0,09 para narcisismo y 0,54 para psicopatía. El resultado de centralidad contradice, sin embargo, el resumen del artículo: la red restringida identifica Resonancia Afectiva (1,21), no Disonancia Afectiva (1,00), como nodo más central, y la red completa sitúa primero BART Adjusted Pumps (1,10). Por ello no se replica el hallazgo central que el texto dice haber confirmado.
En el segundo estudio se crean ocho variantes, cuatro oscuras y cuatro luminosas, para cada uno de siete modelos base. El ajuste utiliza de 36 a unos 140 ítems de MACH-IV/MPS, NPI y SRP-III, reescritos cuando hace falta para equilibrar respuestas extremas. Un mensaje de sistema dice expresamente que el modelo simula perfiles de personalidad y que emulará los patrones de los rasgos; no se trata, por tanto, de ítems psicométricos activando por sí solos una personalidad latente. Cinco generaciones por endpoint, a temperatura 1, se puntúan con SD3, ACME, dilemas morales y seis escenarios de engaño. Las variantes oscuras elevan las puntuaciones Dark Triad y el apoyo a acciones dañinas: el modelo Dark pasa de 22,3 % a 44,3 % en dilemas congruentes y de 49,6 % a 71,9 % en incongruentes; las variantes luminosas tienden a desplazarse en sentido contrario. Son cambios grandes y consistentes con condicionamiento explícito de respuestas.
Las afirmaciones más fuertes no quedan demostradas. Entrenamiento y prueba comparten semántica sobre mentira, manipulación, daño, culpa, reglas y frialdad; que SD3 no repita literalmente los ítems no convierte la prueba en una tarea no relacionada ni demuestra razonamiento fuera de contexto. ACME mide respuestas de autoinforme, no emociones experimentadas por un modelo, y el parecido con humanos se juzga por patrones descriptivos sin una prueba directa de similitud, equivalencia o invariancia. La contabilidad estadística tampoco cierra: `7 bases × 9 condiciones × 5 ejecuciones` produce 315 observaciones, mientras todos los ANOVA `F(8,357)` implican 366, cincuenta y una más sin explicación; los MANOVA propagan el mismo residual. Las cinco muestras de un único ajuste son pseudorréplicas, faltan semillas independientes, los proveedores usan hiperparámetros y hasta datasets distintos, y no se publican datos, código, prompts ejecutables, salidas, snapshots ni análisis. La lectura defendible es que un ajuste estrecho y explícitamente orientado a rasgos altera respuestas en pruebas semánticamente cercanas; no que se haya descubierto una personalidad humana latente ni un organismo modelo validado de desalineamiento general.