본 논문은 시계열 데이터와 자연어 텍스트를 함께 분석하여 의사결정을 지원하는 새로운 프레임워크인 Chat-TS를 제안합니다. Chat-TS는 기존 시계열 모델의 한계를 극복하기 위해, 시계열 토큰을 LLM의 어휘에 통합하여 양쪽 모달리티에 대한 추론 능력을 향상시킵니다. 이를 위해 다양한 시계열 데이터와 텍스트 지시어 및 응답을 짝지은 TS Instruct Training Dataset, 다중 선택 질문으로 구성된 TS Instruct Question and Answer (QA) Gold Dataset, 그리고 수학 및 의사결정 질문을 포함하는 TS Instruct Quantitative Probing Set 등의 새로운 데이터셋을 제시합니다. 실험 결과, Chat-TS는 강력한 자연어 능력을 유지하면서 시계열 추론 성능을 개선하여 최첨단 성능을 달성함을 보여줍니다.