Resumen:Nuestros resultados revelan una compensación constante: TOON produce resultados notablemente más compactos y menores emisiones, pero una menor corrección estructural cuando los modelos carecen de soporte nativo. Mostramos que una mayor capacidad del modelo reduce esta brecha y que la puntuación basada en el entorno puede cambiar las clasificaciones de formato según las prioridades de implementación. destaca la necesidad de una evaluación comparativa que incluya la sostenibilidad y proporciona evidencia empírica de que las representaciones compactas como TOON pueden ofrecer ventajas prácticas en implementaciones de LLM a gran escala y conscientes del carbono.
Publicado originalmente en export.arxiv.org el 20 de enero de 2026.
Ver fuente original
