iLTM（統合型大規模タブラー・モデル）は、科学、産業、公共サービスにおける意思決定を支えるタブラー形式のデータに焦点を当てた新しいアーキテクチャです。従来、タブラー分析では勾配ブースト決定木（GBDT）が主流でしたが、iLTMは木からの埋め込み、次元非依存の表現、メタ訓練されたハイパーネットワーク、多層パーセプトロン（MLP）、検索機能を統合して、新たなパフォーマンスを提供します。1800以上の異種分類データセットで事前学習を行ったiLTMは、小型データセットから高次元タスクまで、タブラー分類と回帰のタスクで一貫して優れた性能を達成します。微調整後、メタ訓練されたハイパーネットワークは回帰タスクにも効果的に移行し、強力なベースラインと同等またはそれを上回る結果を示しました。全体的に、iLTMはGBDTや他の深層タブラー模型を上回る性能を発揮し、タスク特有の調整を少なくて済む点が特長です。