기존 연구는 코드 생성 편향을 단순한 조건문으로 평가했지만, 이는 실제 프로그래밍의 일부에 불과하며 명시적인 편향만 드러냅니다. ML 파이프라인 생성 작업을 통해 실험한 결과, 모델이 관련 없는 속성을 제외하는 데에도 민감한 속성이 87.7%의 경우에 나타났습니다. 이러한 결과는 단순 조건문으로는 편향 평가가 어렵다는 점을 시사하며, 현재 벤치마크가 실제 배포 시 편향 위험을 과소평가하고 있음을 보여줍니다.