本稿では、時間系列基盤モデル（TSFMs）の新たな仲裁フレームワーク「シナプス」を提案しています。TSFMは、様々な季節性やトレンド、長期依存性を持つ多様な時間系列の予測において重要な進展をもたらすものですが、その性能は統一性を欠いています。本研究では、異なるTSFMが異なる予測環境で特化した性能を示す様子を詳細に分析し、その情報を活かして仲裁を行う方法を探ります。シナプスは、TSFMのプールから動的に予測重みを割り当て、その相対的な性能に応じて調整を行い、構成モデルの出力分位点から適応的にサンプリングを行うことで堅牢な予測分布を構築します。実験結果では、シナプスが他の人気のアンサンブル技術や個別のTSFMを上回ることが示され、時間系列予測におけるその効果が証明されました。