本文研究AI安全控制中的可信监控（trusted monitoring）防线。可信监控依赖一个更便宜的“可信模型”对“不可信模型”的行为进行评分，以检测潜在的破坏性行为（如后门攻击）。传统评估仅针对一个或两个不可信模型报告准确率，但本文质疑这种准确率是监控器与模型家族的配对属性。作者通过控制不可信策略家族（即模型系列）作为变量，在代码后门攻击场景下，对四个开源权重家族（涵盖四大前沿厂商）进行严格无泄漏的跨家族转移实验。结果表明，监控器在自身家族上表现优异，但跨家族时检测性能显著下降：跨家族AUROC比同家族低0.172（95% CI [0.158, 0.185]），且这一差距在控制后门明显性后依然存在。进一步分析发现，不同家族的破坏行为在特征空间中占据不同的方向，而监控器的评分方向若偏向目标家族，则能恢复大部分损失；随机旋转则无效果。在1%审计预算的“委托-信任”机制下，来自不同家族的监控器仅捕获19%的攻击尝试，而同家族监控器可捕获41%，差距高达21.7个百分点。因此，单配对评估高估了监控器实际部署时的安全性。作者提出四步协议：测量跨家族AUROC矩阵、量化交互效应、检查几何方向、报告同族与异族性能差异。本文适合关注AI安全控制评估方法论的研究人员和工程师阅读。