容量而非格式：重新思考结构化推理的失败

既往研究常将结构化输出视为推理税，但本文指出其成本取决于模型剩余容量。通过信息匹配的散文控制与四级模式复杂度梯度，我们在四个模型和五个基准测试中分离了格式效应与提示长度混淆因素。研究发现，结构化格式的影响具有容量依赖性：充足容量的模型可无损吸收 JSON 约束，而接近极限的模型则因截断或纯粹的容量竞争导致性能显著下降。此外，延迟结构化（先推理后格式化）的消融实验恢复了大部分精度，证实了容量竞争机制。