L'entraînement traditionnel à mélange d'experts laisse 20 % à 56 % des experts cesser de recevoir des tâches et devenir du poids mort — de la capacité payée et jamais récupérée. ACE mesure zéro expert gaspillé, à toutes les échelles testées.
Résultats mesurés
| Métrique | Modèle traditionnel | ACE |
|---|---|---|
| Experts rendus inutiles pendant l'entraînement | 20 % – 56 % | 0 % |
| Utilisation de mémoire pour la même capacité | référence | jusqu'à 2× moins |
| Qualité finale (même budget d'entraînement) | référence | égale ou meilleure, cohérente à toutes les échelles testées |
Confirmé à travers plusieurs échelles de modèle et plusieurs sessions indépendantes — le schéma de zéro gaspillage se répète de façon cohérente.
ACE est intégré avec DAS — faire grandir les connaissances du modèle avec un nouveau domaine coûte maintenant une fraction de ce que ça coûtait avant, avec la même garantie exacte de rétention.
Voir DAS →ACE est l'une des pièces derrière Mouhn AV — l'architecture d'IA que nous construisons pour un raisonnement scientifique authentique.
Découvrir Mouhn AV →En pratique, chaque expert que le modèle entraîne est réellement utilisé — le même budget d'entraînement achète donc plus de capacité réelle, pas du gaspillage silencieux.