본 논문은 대규모 언어 모델(LLM)을 시계열 예측에 적용하는 과정에서 발생하는 어려움을 해결하기 위해 다단계 텍스트 정렬 프레임워크를 제안합니다. 기존 방법들이 시계열 데이터를 텍스트 형태로 변환하는 데 어려움을 겪고 해석 가능성이 떨어지는 문제를 해결하고자, 본 논문에서는 시계열 데이터를 추세, 계절성, 잔차 요소로 분해한 후 각 요소를 특정 텍스트 표현으로 변환합니다. 이후 다단계 정렬 메커니즘을 통해 각 요소의 임베딩을 사전 훈련된 단어 토큰과 정렬하여 예측 정확도를 높이고 해석 가능성을 향상시킵니다. 여러 데이터셋에 대한 실험 결과, 제안된 방법이 기존 최첨단 모델보다 정확도가 높고 해석 가능성도 우수함을 보여줍니다.
