Gizmodo 报道称，AI agent 在模拟招聘与薪酬任务中复现了性别薪酬差距，且该差距出现在任务结果中，而非源于对 agent 的任何明确指令。这一结果进一步印证了已有证据：agent 行为会继承并放大其构建所依据的数据中存在的模式，而且即便任务本身是中性的，这些模式也可能在下游决策中浮现。
这一发现的意义不限于模型训练。一个负责分配薪酬、对候选人排序或调度工作的 agent，是一个围绕模型构建、包含工具、记忆、prompt 与编排的系统，而其中每一层都可能携带或重塑偏见。因此，检测此类行为依赖于评估与审计实践：使用成对输入的受控任务套件、跨群体比较结果分布，以及能够显示是哪一步引入了
从现有报道中仍不清楚的是：这些模拟的规模与配置、所涉及的具体 agent 技术栈，以及该差距在采取缓解措施后是否依然存在。Behzat AI 将这一类结果视为评估与审计问题，而不仅仅是模型训练问题。