시계열은 전체적 모델링에 필수적인 풍부한 맥락에 묻혀 있고, 실무자는 예측이 한 단계에 불과한 종단 분석 워크플로를 요구한다. 범용 AI 에이전트는 이런 워크플로에 유망하지만 여전히 텍스트 공간에서 작동해 구조화된 시간 신호와 완전히 정렬되지 않는다. 이 논문은 범용 LLM 에이전트에 시계열 네이티브 런타임 지원을 부여해 맥락화된 시간 추론을 가능케 하는 에이전트 하니스 프레임워크 TimeClaw를 제안한다. TimeClaw는 근거 있고 감사 가능한 분석을 위한 실행형 시간 도구, 재사용 가능한 분석 루틴을 만드는 경험 기반 능력 진화, 관련 추론 트레이스를 검색하는 에피소드형 멀티모달 기억을 통합한다. 이 구성요소들이 맥락 정보를 활용한 개방형 시간 추론을 가능하게 한다. 에너지·금융·날씨·교통 등 실세계 도메인의 다양한 과제를 다룬 여러 벤치마크 평가에서 성능 향상을 입증했다.

• •범용 LLM 에이전트에 시계열 네이티브 런타임을 부여하는 하니스 프레임워크 TimeClaw 제안
• •실행형 시간 도구로 근거 있고 감사 가능한 분석 수행
• •경험 기반 능력 진화로 재사용 가능한 분석 루틴 생성, 에피소드형 멀티모달 기억으로 추론 트레이스 검색
• •에너지·금융·날씨·교통 등 다양한 도메인 벤치마크에서 성능 향상 입증