본 논문은 대규모 언어 모델(LLM)을 활용한 시계열 분석의 최신 동향을 다룬 튜토리얼이다. 텍스트와 시계열 데이터의 순차적 특성이 유사하지만, LLM이 텍스트 데이터로 사전 훈련되어 시계열 데이터에 최적화되어 있지 않다는 점을 고려하여, LLM 기반의 다중 모달 시계열 분석에 대한 종합적인 개요를 제공한다. 기존 연구들을 변환, 정렬, 융합 세 가지 전략으로 분류하고, 다양한 하위 작업들에 대한 적용 사례를 논의하며, 향후 연구 과제들을 제시한다. 효과성과 효율성의 균형을 맞추면서 실제 문제 해결에 LLM을 적용하는 방법을 확장하는 데 목표를 둔다.
