[E1] Combinaison MoE : k lignes relues sur PCIe dont les lignes GPU nulles, 3 kernels #44

session.cpp:844-847, verify.cpp:588-594 : copy_from_mapped relit les k lignes de sortie CPU depuis la mémoire mappée (~100 Ko par couche, 4,9 Mo par token), y compris les lignes des experts calculés sur le GPU, qui valent zéro. Ensuite moe_hit_add et la combinaison font deux kernels de plus.

Proposition : un seul kernel qui lit les lignes manquées dans y_miss (filtrées par le masque de hits), puis les lignes GPU, et calcule Σ w·y + partagé. HYPOTHÈSE : allouer y_miss en cudaHostAllocWriteCombined, puisque le CPU ne fait que l'écrire.

Gain (ESTIMÉ) : 0,2 à 0,5 ms par token.

Effort : M

Relevé dans l'audit docs/AUDIT-PERF.md (section 4). Gains : ESTIMÉ = calcul de l'audit, HYPOTHÈSE = à confirmer au profileur, MESURÉ = chiffre présent dans le dépôt. Aucun gain n'a été mesuré sur GPU. Les numéros de ligne renvoient au commit b38c183 (moteur 0.1.18) ; toujours présent en 0.1.20.