În timp ce AI-Sacana a lansat TreeQuest, un sistem de echipare de modele AI AI de cooperare, a îmbunătățit eficiența cu 30% a soluțiilor mai complexe decât a unui singur model de AI, Sakana AI Tree, un nou sistem de cercetare artificial din Japonia, a lansat o tehnologie numită Multi-LLM AB-MCTS, care permite mai multor modele de mari limbi (LLM) să lucreze împreună în același proiect, comparativ cu crearea unei echipe de înțelepciune a unui AI care utilizează puterile puternice ale fiecărui model de AI, pentru a rezolva probleme mai complexe decât a unui singur model Sakana AI.Sacana AI Tree, care utilizează mai mult de la nivelul standardului de funcționare al sistemului de cercetare Adaptive (AB-MCTS), dezvoltă mai puțin de la nivelul standardului de bază al sistemului de cercetare Monte Carlo-Monte Carlo-Montecarul, este mai mult de la nivel de bază de cercetare, cum ar fi AB-MC-Montecarul, care este folosit de către AB-Montecarul, iar în continuare este folosit de către un singur sistem de cercetare, cu toate acestea, cu toate acestea, cu ajutorul unor soluții de bază mai ridicate și mai ridicate, care pot fi utilizate de mai multe soluții și mai puternice, dar care pot fi utilizate de mai multe soluții și mai puternice, cu excepția unor soluții de bază de cercetare și de soluții, care pot fi utilizate de la nivel de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de bază de pe scară de bază de pe scară de pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe scară pe sc