LLM 为 TOON 做好准备了吗？基准测试新型结构化输出格式的结构正确性-可持续性权衡

大语言模型（LLM）日益被要求为下游系统生成结构化、机器可读的输出。虽然近期基准聚焦于评估此类输出的结构正确性，但不同输出格式的推理环境影响却在很大程度上被忽视。本文主张，结构化输出格式不仅应按正确性评估，还应按其环境效率评估。为此，我们引入一个面向结构化生成的可持续性感知评估框架，测量 token 使用量、生成时间与估算碳排放。在该框架内，我们提出环境感知生成正确性分数（GCS_env），一个将结构正确性与碳感知效率整合的统一指标。利用该框架，我们在跨不同架构与参数规模的多个 LLM 上，系统地将新格式 TOON 与既有表示（JSON、XML、YAML）进行基准比较。结果揭示了一个一致的趋势：TOON 产出明显更紧凑的输出与更低排放，但在模型缺乏原生支持时结构正确性较低。我们表明，更大的模型容量可以缩小这一差距，且环境感知打分会随部署优先级改变格式排名。这凸显了将可持续性纳入基准测试的必要性，并提供了经验证据，表明 TOON 等紧凑表示可在大规模、碳敏感的 LLM 部署中带来实际优势。