La Atención de Filtro Adaptativo (AFA) es un novedoso mecanismo de atención que integra directamente un modelo dinámico aprendible en el cálculo de ponderaciones de atención. En lugar de comparar directamente consultas y claves, modela la secuencia de entrada como observaciones discretas de una ecuación diferencial estocástica (EDE) lineal. Al imponer simultáneamente un modelo dinámico lineal con una matriz de estado diagonalizable y covarianza de ruido, propaga eficientemente la incertidumbre por pares utilizando una solución de forma cerrada para la ecuación diferencial de Lyapunov. La atención emerge naturalmente como una solución de máxima verosimilitud para esta EDE lineal, y las ponderaciones de atención corresponden a una reponderación robusta basada en residuos de la precisión por pares propagada. La imposición de restricciones adicionales a los valores propios de la matriz de estado produce una variante simplificada con la misma complejidad computacional y de memoria que la atención estándar. En el límite donde el ruido dinámico y de proceso desaparecen, y con una aproximación de ángulo pequeño, recupera la atención típica del producto interno.
