神经序列到序列模型为抽象文本摘要（即不限于从原始文本中选择和重新排列段落）提供了一种可行的新方法。然而，这些模型存在两个缺点：一是容易不准确地重现事实细节，二是倾向于重复自身内容。在本研究中，我们提出了一种新颖的架构，通过两种正交方式增强标准的序列到序列注意力模型。首先，我们使用一种混合指针生成网络，该网络可以通过指针机制从源文本中复制单词，从而有助于准确地再现信息，同时保留通过生成器产生新词的能力。其次，我们利用覆盖机制来跟踪已总结的内容，这可以减少重复现象。我们将该模型应用于CNN/Daily Mail的摘要任务中，在至少2个ROUGE分数上超过了当前的抽象摘要最佳水平。