通过数字编码时间序列，大型语言模型（LLMs）如GPT-3和LLaMA-2能够在零样本外推时间序列，性能与专用时间序列模型相当。我们提出了令牌化时间序列数据并将离散分布转换为连续值的密度流程，以提高性能。LLMs能够自然地表示多模态分布，处理缺失数据，容纳文本边信息，并回答问题以帮助解释预测。GPT-4可能由于数字令牌化和不确定性校准而表现较差。