본 논문은 다양한 시간 시계열 데이터(금융, 의료, 에너지 등)를 위한 통합 프레임워크인 Time Series Multi-Task Question Answering (Time-MQA)를 제시합니다. Time-MQA는 수치 분석 작업과 추론을 포함한 개방형 질문 응답을 가능하게 하는 자연어 질문을 지원합니다. 핵심은 다양한 시간 시계열 데이터(환경, 교통 등)에서 파생된 약 20만 개의 질문-응답 쌍을 포함하는 대규모 데이터셋 TSQA입니다. TSQA는 다양한 길이의 시간 시계열을 다루며 견고한 모델 개발을 촉진합니다. 또한, Mistral 7B, Llama-3 8B, Qwen-2.5 7B와 같은 대규모 언어 모델을 TSQA 데이터셋으로 지속적으로 사전 훈련하여 시간 시계열 추론 능력을 향상시키고, 단순 수치 작업을 넘어 시간 데이터와의 더욱 고급스럽고 직관적인 상호 작용을 가능하게 함을 보여줍니다. TSQA 데이터셋, 모델, 평가를 위한 사용자 연구 설문지 및 기타 관련 자료는 오픈소스로 공개되었습니다.
