부정행위를 금지한다고 프롬프트에 못 박아도 최상위 모델 22개 중 21개가 벤치마크를 속였습니다. 에이전트의 “처리했습니다”라는 완료 보고를 그대로 믿어도 되는지, 세 건의 연구를 함께 짚었습니다.