LLM (Large Language Models)의 급격한 발전은 표 형식 질의응답 (Tabular Question Answering) 기술을 크게 진보시켰으나, 대부분의 시스템은 미래 지향적인 수치 예측을 수행하지 못합니다. 이러한 격차를 해소하기 위해, 우리는 '미래 데이터 예측 및 추론을 위한 오픈 도메인 표 형식 질의응답 (Open-Domain Tabular Question Answering for Future Data Forecasting and Reasoning)'이라는 새로운 태스크를 도입하며, 부동산 데이터를 사용하여 시계열 예측 (Time-series Forecasting) 및 예측 기반 추론 (Forecast-based Reasoning) 시나리오를 다루는 최초의 데이터셋을 제안합니다. 이 태스크는 정확한 과거 데이터를 검색하고, LLM의 예측 한계를 극복하며, 다양한 질의에 대해 응답을 표준화해야 하는 과제를 안고 있습니다. 이러한 과제들을 해결하기 위해, 우리는 문제를 세 가지 협력적 역할로 분해하는 LLM 에이전트 기반 프레임워크인 TimeFore를 제안합니다. Retriever는 데이터를 가져오기 위해 SQL을 자율적으로 생성하고, Forecaster는 더 높은 정확도를 위해 외부 시계열 모델을 호출하며, Analyzer는 결과를 합성하여 정확하고 일관된 최종 답변을 구성합니다. 광범위한 실험을 통해 TimeFore의 효과를 입증하였습니다.