监督差距：LLM 安全监控器遗漏了什么，以及为什么它不是能力

多个物业安全监察员被要求进行认证，其中跨租户互不干扰、沙袋和评估意识是二级安全超级物业，仅经过两次执行见证。标准结果是二元不可能性：一条痕迹无法决定它们。我们用测量值替换二进制。紧界将任何单迹监测器的平衡精度置于 $\tfrac12+\tfrac12\,TV(P_0,P_1)$，将不可判定性转变为分级可检测性边界，并定义监督差距：监测器低于其的不足。在具有封闭形式 $TV$ 的泄漏系列中，九个 LLM 监视器在 $TV=0$ 时最佳，但随着 $TV$ 的增长捕获很少的信号；在 $TV=1$ 时，20 行会员检查得分为 100\%$，平均为 60.9\%$。这种不足主要不是能力：命名要检查的内容会关闭其中的 $61\%$，同时留下 $TV=0$ 控制机会。相同的分割运行通过 $2{\times}2$ 阶乘：想象的第二次运行让监视器有机会（$50.4\%$），而执行的第二次运行的相同规则达到 $90.0\%$，并且没有比较过程的存储预言仅产生 $68.2\%$。信息和程序都是必要的，而能力也不是。在非确定性下，重放仅在正确的投影下跟踪闭合形式的 $k$-重放曲线，并且投影边界显示所产生的困境是被迫的：渠道外泄漏的狭窄遗漏 $98.6\%$，干净流量的广泛标记 $75.7\%$，并且可达到的精度在良性变化率和通道计数中衰减为 $1/(qm)$。最后，两位前沿 LLM 法官认证了我们自己的基准测试的早期版本是合理的，而符号测试发现了方向偏差 ($p=2.7\times10^{-5}$)，这使得我们的三个发现无效。超级房地产基准的构建有效性应该通过机械方式证明，而不是通过模型审核。