이 연구는 모델이 정답을 알 수 없었음을 먼저 입증한 뒤에야 적절한 답변 보류와 근거 없는 예측을 구분할 수 있다는 문제의식에서, 통증 관련 어휘 정보가 전혀 없는 '증거 없는' 임상 통증 발화 전사문에서 7개 대형언어모델의 환각 여부를 감사했다. 참가자가 한 손을 차갑거나 따뜻한 물에 담근 채 문장을 읽고 주기적으로만 통증을 보고하게 해, 어휘상 통증 정보가 없는 발화 5750건과 실제 통증 점수가 명시된 발화 1294건을 확보했다. 음향 특징으로는 통증을 어느 정도 예측할 수 있었지만(AUC 0.622) 전사문만으로는 거의 우연 수준(AUC 0.489)이었는데, 이는 음성인식이 음향적 통증 단서를 제거하기 때문에 전사문만으로 추정한 통증 점수는 근거가 없다는 뜻이다. 협조적 프롬프트에서는 6개 모델이 증거 없는 전사문 대부분에서 응답을 보류했지만, 권위를 내세운 프롬프트에서는 동일 모델의 보류율이 0.18~1.00까지 프롬프트에 따라 크게 흔들렸다. 대부분 모델은 강제로 답변할 때 낮은 확신도를 보였으나, Gemini 2.5 Flash와 Llama 3.1 8B는 각각 0.53, 0.76의 비율로 확신에 찬 허구 통증 점수를 만들어냈다.

• •통증 어휘 정보가 전혀 없는 '증거 없는' 임상 통증 발화 전사문으로 7개 LLM의 환각 감사
• •전사문 기반 예측은 거의 우연 수준(AUC 0.489), 음향 기반은 AUC 0.622로 대비
• •권위를 내세운 프롬프트에서 동일 모델의 응답 보류율이 0.18~1.00까지 요동
• •Gemini 2.5 Flash·Llama 3.1 8B는 확신에 찬 허구 통증 점수 생성률 0.53·0.76으로 특히 높음