본 논문은 대형 언어 모델(LLM)이 수치형 시계열 신호에 대한 이해가 부족하다는 점에 착안하여, 텍스트가 없는 경우에도 수치 입력으로부터 해석 가능한 구조화된 이벤트를 추론하는 '수치-이벤트 추론 및 디코딩' 과제를 제시합니다. 이를 위해, 에이전트 기반 이벤트 추출기(AGE), 마킹된 다변량 호크스 기반 합성 생성기(EveDTS), 그리고 시계열 인코더와 구조화된 디코더를 결합한 2단계 파인튜닝 파이프라인을 통합하는 추론 인식 프레임워크를 제안합니다. 제안된 모델은 수치적 변화에 대해 명시적으로 추론하고, 중간 설명을 생성하며, 구조화된 이벤트 가설을 출력합니다. 다양한 도메인 데이터셋 실험 결과, 본 방법론은 강력한 LLM 기반 모델보다 이벤트 수준의 정밀도와 재현율에서 월등한 성능을 보였습니다.
