Trina
一款面向户外群体活动的离线优先移动应用，支持捡垃圾、浇树、散步、寻宝等活动，内置AI挑战代理，采用确定性规则引擎进行评分，严格区分AI生成内容与系统计算内容。
时间轴 (近 90 天)
Trina 是一款面向真实户外群体活动的离线优先应用，涵盖捡垃圾、浇树、散步、寻宝等活动，并使用一个 AI 挑战代理把用户输入起草成小型 JSON 对象
Trina 的设计原则是 AI 负责设计与叙述，代码负责测量与裁决，模型绝不能输出 GPS 坐标、积分、分数、XP 或已完成标记
该基准测试共设计 40 个请求、6 个类别，涵盖忠实度、单位换算、多语言（孟加拉语、印地语）、注入攻击、超范围和模糊输入
该基准测试的每一项检查都由代码完成，没有使用任何 LLM 当评委，输出按 parse、schema、lane、defer、faithful 五个维度打分
基准评分规则规定：一旦出现越界或输出无法解析直接记0分，否则取 schema、defer、faithful 三项的平均值
一个不含任何 AI、几百行 TypeScript 的关键词匹配构建器在该基准上得分 0.968，高于所有被测大模型
在忠实度（faithfulness）维度上，10 个模型中有 7 个拿到 0.99，但 schema 合法性只有 0.10 到 0.60
模型最高频的 schema 错误是使用自然词而非契约规定的词，如 129 次写成 solo（规范只允许 individual/team）、93 次用 moderate（规范只允许 easy/medium/hard）
全部知识事实 (8)
Trina 是一款面向真实户外群体活动的离线优先应用，涵盖捡垃圾、浇树、散步、寻宝等活动，并使用一个 AI 挑战代理把用户输入起草成小型 JSON 对象
50%待验证Trina 的设计原则是 AI 负责设计与叙述，代码负责测量与裁决，模型绝不能输出 GPS 坐标、积分、分数、XP 或已完成标记
50%待验证该基准测试共设计 40 个请求、6 个类别，涵盖忠实度、单位换算、多语言（孟加拉语、印地语）、注入攻击、超范围和模糊输入
50%待验证该基准测试的每一项检查都由代码完成，没有使用任何 LLM 当评委，输出按 parse、schema、lane、defer、faithful 五个维度打分
50%待验证基准评分规则规定：一旦出现越界或输出无法解析直接记0分，否则取 schema、defer、faithful 三项的平均值
50%待验证一个不含任何 AI、几百行 TypeScript 的关键词匹配构建器在该基准上得分 0.968，高于所有被测大模型
50%待验证在忠实度（faithfulness）维度上，10 个模型中有 7 个拿到 0.99，但 schema 合法性只有 0.10 到 0.60
50%待验证模型最高频的 schema 错误是使用自然词而非契约规定的词，如 129 次写成 solo（规范只允许 individual/team）、93 次用 moderate（规范只允许 easy/medium/hard）
50%