Detección de mentiras con polígrafo

Afirmación: Las pruebas de polígrafo pueden determinar de manera confiable si una persona está mintiendo mediante la medición de indicadores fisiológicos como la frecuencia cardíaca, la respiración y la respuesta galvánica de la piel.

MAYORMENTE SÓLIDO Global#polygraph#lie detector#forensics
Comparar

Las respuestas del modelo son probabilidades, no veredictos.

Dimensión 01 / 10

Retroalimentación de errores

64,7%Ponderación de bullshit
Confianza del modelo45,4%

¿Cómo responde el sistema examinado (afirmación, método o disciplina) ante datos que contradicen directamente sus predicciones o supuestos?

  • 0 · 0.00Ajusta sus parámetros, delimita su alcance o descarta la hipótesis refutada a partir de anomalías reiteradas.24,47%
  • 1 · 0.85Genera explicaciones ad hoc no verificables cuya única función es proteger la afirmación central frente a la refutación.69,00%
  • 2 · 1.00Interpreta cualquier prueba en contra como evidencia de una conspiración deliberada, manipulación de datos o encubrimiento por parte de instituciones externas.3,57%
  • 3 · 0.95Atribuye la falta de resultados a la mala intención, la falta de fe o el escaso compromiso de quien lo recibe.0,67%
  • 4 · 0.80Evita contrastar los errores formulando predicciones tan vagas que cualquier desenlace puede calificarse a posteriori como un éxito.2,29%

La barra muestra la probabilidad que el modelo asignó a cada respuesta. La ponderación refleja cuánto cuenta como bullshit.

10 dimensiones de decisión

Ver JSON
DimensiónPonderación de bullshitConfianza del modelo
Retroalimentación de errores64,7%45,4%
Portador causal3,9%90,2%
Prueba de cegamiento81,4%41,1%
Falsabilidad42,1%9,2%
Precisión semántica29,0%26,8%
Navaja de Ockham53,3%20,9%
Red de medición34,2%21,8%
Independencia del operador59,2%27,7%
Evolución del modelo80,8%67,3%
Asimetría de riesgo54,5%26,3%
Procedencia del modeloliquid/d1-ultra-20261015 · 30 oct 2026

OpenRouter · liquid/d1-ultra · google/gemini-3.8-flash (canonicalisation)