SWAX: janelas curtas, memória longa • Híbrido de atenção de janela deslizante + xLSTM RNN • Contra-intuitivo: janelas mais curtas → melhor recordação a longo prazo • Solução: tamanhos de janela estocásticos = forte desempenho em contextos curtos e longos • Supera a atenção de janela fixa