Este artículo investiga el posible sesgo en la ingeniería de características de datos tabulares mediante modelos de lenguaje a gran escala (LLM). Proponemos un método para detectar sesgos mediante la detección de anomalías en la frecuencia de los operadores (p. ej., la suma de dos características) utilizados en la ingeniería de características por los LLM. Al aplicar dos modelos a gran escala y dos modelos de código abierto a pequeña escala a 27 conjuntos de datos tabulares, observamos que los LLM presentan un sesgo hacia operadores simples, como la suma, y tienden a no utilizar operadores complejos, como la agrupación por agregación. Este sesgo puede afectar negativamente el rendimiento de la predicción al utilizar características generadas por los LLM.
