HMA (Humanize MLE Agents): два агента работают по очереди с чистым контекстом и общей папкой

Обнаружено: чем дольше агент сидит в одной сессии, тем короче и ленивее его ответы. К 3–5 часу они на 30–45% короче, чем в первые два часа. Метод HMA позволяет не сливать шесть часов работы агента в пустоту. Берёшь две модели от разных провайдеров, например Claude и GPT, и они доводят одну задачу по очереди. Каждый делает максимум 5 экспериментов, сессия обрывается, контекст обнуляется, а память живёт в общей рабочей папке. На тех же шести часах такая пара обошла лучшего одиночного агента и открытые системы, которым дали в 2–4 раза больше времени. Выигрыш умеренный, единицы процентных пунктов, но получен без единого дополнительного промпта.