Structured Personality Control and Adaptation for LLM Agents

JPAF represents a persona through weights over eight Jungian functions (Te, Ti, Fe, Fi, Se, Si, Ne, and Ni). It initializes one dominant, one auxiliary, and six undifferentiated functions; uses dominant-auxiliary coordination for responses; adds 0.06 to temporary weights when a function is reinforced or compensates for a gap; and applies “reflection” rules to normalize weights or replace, swap, and reorganize functions. This is an explicit prompt-and-state controller: evolution is an author-designed algorithmic update to variables, not parameter learning or evidence of spontaneous psychological development.

The study tests GPT-4, Llama-4-Maverick, and Qwen3-235B-A22B-Instruct-2507 at temperature 0.6. Experiment 1 configures all 16 types and administers MBTI-93 and MBTI-70 five times. The baseline directly includes the MBTI label; JPAF omits the four letters but provides the dominant-auxiliary pair and detailed function descriptions. Mean per-dimension gain often favors JPAF, especially SN and JP: on MBTI-70, JP improves by 9.75 points for GPT and 13.38 for Qwen. Improvement is not universal: GPT loses 1.13 points on EI and 2.81 on TF in MBTI-93, while MBTI-70 TF falls by 0.19 for GPT and 0.44 for Qwen. The tables contain many individual cells where JPAF underperforms the baseline.

The phrase “100% MBTI alignment” does not mean 100% of questionnaire items aligned. It means that after JPAF each of the four proportions for every type falls above the 50% threshold and therefore recovers the intended four-letter label. The tables themselves contain substantially lower accuracies: GPT-INTP, for example, has 76.67% TF on MBTI-93 and Llama-ENFP has 60% JP on MBTI-70. The paper reports no confidence intervals, inferential tests, effect sizes, multiplicity correction, or distribution of the five runs, and does not control prompt length or information content. The evidence therefore supports steering questionnaire answers, not valid personality measurement or generation.

Experiment 2 uses eight author-created sets, one per function, with three scenarios and five questions per scenario: 15 questions for each function and starting configuration. GPT's mean TAA by function ranges from 92.91% to 100%; Qwen's from 88.75% to 100%; and Llama's from 65.83% to 95.41%. The paper reports PSA of 100% for GPT and Qwen and 92.19% for Llama. These scores are circular, however: the prompt lists and describes all eight functions, each scenario is expressly built for one target function, and the same model returns the selected function, “success,” and update in JSON. PSA calls a transition correct when it follows the theoretical rules imposed by the framework itself. There are no human annotators, independent judge, no-JPAF condition, blinded or out-of-distribution scenarios, or real behavior validating activation and evolution.

The rules generate the outcome later interpreted as evidence. Weights and thresholds are heuristic: B=0.06 is chosen as the midpoint of a feasible range, A=0.30 as a “clean” value, the increment is 0.06, and decay is 0.2, with no tuning, sensitivity analysis, or ablation. Normalization forces competition among functions; crossing a threshold triggers transformations; and the model decides whether a task succeeded or which auxiliary to select “based on prior data” that are not specified. In the examples, repeating fifteen Se-directed questions converts INTP first into ISTP and then ESTP; this demonstrates execution of the state machine, not emergent evolution. Persistence after scenario removal, manipulation resistance, unwanted drift, reversibility, safety, and user effects are not evaluated.

Construct validity is weak. MBTI is a dichotomous human self-report instrument transplanted to a text generator, while JPAF directly controls the descriptors later queried. The study does not examine Big Five measures, behavior, convergent or discriminant validity, longitudinal consistency, prediction, human judgment, realism, engagement, or trust. Claimed applications in education, health care, therapy, or sustained relationships are design possibilities rather than study results. Coverage is limited to English, artificial text tasks, three model families, and one temperature; there are no users, natural long-term dialogue, tool use, multi-agent interaction, or cultural-risk tests.

Reproducibility is insufficient. Models, temperature, and partial prompts are named, but “gpt-4” has no snapshot, provider, or date; all other parameters are defaults; and no seeds are reported despite random BaseWeight sampling. No code, fully sourced questionnaires, complete scenarios, outputs, logs, initial weights, reflection history, or machine-readable results are released. The official arXiv surface exposes only v1, PDF, HTML, and TeX and links no repository or executable artifact. The PDF retains an unfinished ACM template: a 2018 reference, conference and DOI placeholders, 2018 copyright, and received/revised/accepted dates from 2007–2009. It is an arXiv v1 preprint, not a confirmed ACM publication. JPAF is an interesting structured-control specification, but the available evidence does not justify treating it as validated psychological personality, autonomous evolution, or a system ready for sensitive use.

JPAF representa una persona mediante pesos sobre ocho funciones jungianas (Te, Ti, Fe, Fi, Se, Si, Ne y Ni). Inicializa una función dominante, una auxiliar y seis indiferenciadas; usa coordinación dominante-auxiliar para responder, suma 0,06 a pesos temporales cuando una función se refuerza o compensa una carencia y aplica reglas de “reflexión” para normalizar pesos o sustituir, intercambiar y reorganizar funciones. Es un controlador de prompts y estado explícito: la evolución es una actualización algorítmica de variables diseñada por los autores, no aprendizaje de parámetros ni evidencia de desarrollo psicológico espontáneo.

El estudio prueba GPT-4, Llama-4-Maverick y Qwen3-235B-A22B-Instruct-2507 a temperatura 0,6. En el experimento 1 configura los 16 tipos y administra MBTI-93 y MBTI-70 cinco veces. El baseline incluye directamente la etiqueta MBTI; JPAF omite las cuatro letras pero aporta el par dominante-auxiliar y descripciones detalladas de las funciones. La ganancia media por dimensión suele favorecer JPAF, sobre todo SN y JP: en MBTI-70, JP mejora 9,75 puntos con GPT y 13,38 con Qwen. No es una mejora universal: GPT pierde 1,13 puntos en EI y 2,81 en TF en MBTI-93, y en MBTI-70 TF cae 0,19 con GPT y 0,44 con Qwen. Las tablas muestran además múltiples celdas donde JPAF rinde peor que el baseline.

La frase “100 % de alineación MBTI” no significa 100 % de ítems alineados. Significa que, tras JPAF, las cuatro proporciones de cada tipo quedan por encima del umbral de 50 % y por ello recuperan las cuatro letras esperadas. Las propias tablas contienen accuracies bastante menores: por ejemplo GPT-INTP obtiene 76,67 % en TF con MBTI-93 y Llama-ENFP 60 % en JP con MBTI-70. El trabajo no publica intervalos, tests inferenciales, tamaños de efecto, corrección por multiplicidad ni distribución de los cinco runs, y no controla longitud o cantidad de información del prompt. Por ello sostiene que JPAF puede orientar respuestas de estos cuestionarios, no que mida o produzca personalidad válida.

El experimento 2 usa ocho conjuntos creados por los autores, uno por función, con tres escenarios y cinco preguntas por escenario: 15 preguntas para cada función y configuración. GPT obtiene TAA media por función entre 92,91 % y 100 %; Qwen, entre 88,75 % y 100 %; Llama, entre 65,83 % y 95,41 %. El artículo informa PSA de 100 % para GPT y Qwen y 92,19 % para Llama. Sin embargo, estos scores son circulares: el prompt enumera y describe las ocho funciones, cada escenario se construye expresamente para una función objetivo, y el mismo modelo devuelve en JSON la función elegida, “success” y la actualización. PSA considera correcta una transición si respeta las reglas teóricas que el propio framework impone. No hay anotadores humanos, juez independiente, condición sin JPAF, escenarios ciegos o fuera de distribución, ni conducta real que valide activación o evolución.

Las reglas producen el resultado que luego se interpreta. Pesos y umbrales son heurísticos: B=0,06 se escoge como punto medio factible, A=0,30 como valor “limpio”, el incremento es 0,06 y el decaimiento 0,2, sin ajuste, sensibilidad o ablación. Normalizar obliga competencia entre funciones; superar un umbral activa transformaciones; y el modelo decide cuándo una tarea fue exitosa o qué auxiliar seleccionar “basándose en datos previos” no especificados. En los ejemplos, repetir quince preguntas dirigidas a Se convierte INTP primero en ISTP y después en ESTP; esto demuestra la ejecución de la máquina de estados, no una evolución emergente. Tampoco se evalúan estabilidad después de retirar el escenario, resistencia a manipulación, drift no deseado, reversibilidad, seguridad o efectos sobre usuarios.

La validez de constructo es débil. MBTI es un autoinforme humano dicotómico trasladado a un generador de texto, mientras JPAF controla directamente los mismos descriptores que luego pregunta. No se estudian Big Five, conducta, validez convergente o discriminante, consistencia longitudinal, predicción, juicio humano, realismo, engagement o confianza. Las afirmaciones de utilidad en educación, salud, terapia o relaciones sostenidas son posibilidades de diseño, no resultados del estudio. La muestra cubre inglés, tareas textuales artificiales, tres familias y una sola temperatura; no hay interacción con usuarios, diálogo natural prolongado, tool use, multiagente o riesgos culturales.

La reproducibilidad es insuficiente. Se nombran modelos, temperatura y parte de los prompts, pero “gpt-4” carece de snapshot, proveedor y fecha; los demás parámetros quedan por defecto; no hay seeds pese al muestreo aleatorio de BaseWeights; no se publican código, cuestionarios completos con procedencia verificable, escenarios completos, respuestas, logs, pesos iniciales, historial usado por reflexión ni resultados máquina-legibles. La superficie oficial de arXiv solo identifica v1, PDF, HTML y TeX; no enlaza un repositorio o artefacto ejecutable. El PDF conserva una plantilla ACM sin completar: referencia 2018, conferencia y DOI placeholder, copyright 2018 y fechas recibido 2007/revisado 2009/aceptado 2009. Es un preprint arXiv v1, no una publicación ACM confirmada. JPAF es una especificación interesante de control estructurado, pero la evidencia disponible no justifica presentarlo como personalidad psicológica validada, evolución autónoma o sistema listo para uso sensible.