조기 결론 (Premature closure), 즉 충분한 정보가 확보되기 전에 결론을 내리는 행위는 진단 오류의 알려진 원인이지만, 대규모 언어 모델 (LLMs)에서는 여전히 충분히 연구되지 않았습니다. 우리는 LLM의 조기 결론을 '불확실성 하에서의 부적절한 확신 (inappropriate commitment under uncertainty)'으로 정의합니다. 즉, 명확한 확인 (clarification), 기권 (abstention), 상급자 보고 (escalation) 또는 거부 (refusal)가 더 안전한 대응임에도 불구하고 답변, 권고 또는 임상적 지침을 제공하는 것을 의미합니다. 우리는 구조화된 의료 작업과 개방형 의료 작업을 통해 다섯 가지 Frontier LLM을 평가했습니다. 정답 선택지가 제거된 MedQA (n = 500) 및 AfriMed-QA (n = 490) 질문에서 모델들은 여전히 높은 비율로 답변을 선택했으며, 기준 오작동률 (false-action rates)은 각각 55-81% 및 53-82%였습니다. 개방형 평가에서는 861개의 HealthBench 질문 중 평균 30%, 그리고 의사가 작성한 191개의 적대적 질의 (adversarial queries) 중 78%에서 모델들이 부적절한 답변을 내놓았습니다. 안전 지향적 프롬프팅 (Safety-oriented prompting)은 모델 전반에 걸쳐 조기 결론을 감소시켰으나, 잔여 실패 (residual failure)가 지속되었습니다. 이는 의료용 LLM이 언제 답변하지 말아야 하는지를 알고 있는지 평가할 필요가 있음을 강조합니다.