Resumen: Se cree ampliamente que los constructos psicológicos dentro de los individuos están interconectados. Investigamos si y cómo los modelos de lenguaje grande (LLM) pueden modelar la estructura correlacional de los rasgos psicológicos humanos a partir de entradas cuantitativas mínimas. Solicitamos a varios LLM con respuestas de la Escala de Personalidad de los Cinco Grandes de 816 individuos humanos que representaran sus respuestas en otras nueve escalas psicológicas. Los LLM demostraron una precisión notable en la captura de la estructura psicológica humana, con los patrones de correlación entre escalas de las respuestas generadas por los LLM que se alinean fuertemente con los de los datos humanos $(R^2 > 0,89)$. Este rendimiento de tiro cero superó sustancialmente las predicciones basadas en similitud semántica y se acercó a la precisión de los algoritmos de aprendizaje automático entrenados directamente en el conjunto de datos. El análisis de las líneas de razonamiento reveló que los LLM utilizan un proceso sistemático de dos etapas: primero, transforman las respuestas crudas de los Cinco Grandes en resúmenes de personalidad en lenguaje natural mediante la selección y compresión de información, de manera análoga a generar estadísticas suficientes. En segundo lugar, generan respuestas a escala objetivo basadas en el razonamiento de estos resúmenes. Para la selección de información, los LLM identifican los mismos factores clave de personalidad que los algoritmos entrenados, aunque no logran diferenciar la importancia de los elementos dentro de los factores. Los resúmenes comprimidos resultantes no son simplemente representaciones redundantes, sino que capturan información sinérgica: agregarlos a las puntuaciones originales mejora la alineación de la predicción, lo que sugiere que codifican patrones emergentes de interacción de rasgos de segundo orden. Nuestros hallazgos demuestran que los LLM pueden predecir con precisión los rasgos psicológicos de los participantes individuales a partir de datos mínimos mediante un proceso de abstracción y razonamiento, ofreciendo una poderosa herramienta para la simulación psicológica y valiosos conocimientos sobre sus capacidades de razonamiento emergentes.
Publicado originalmente en export.arxiv.org el 5 de noviembre de 2025.
Ver fuente original
