近期，注意力机制被用于改进神经机器翻译（NMT），通过在翻译过程中有选择性地关注源句子的某些部分来提升性能。然而，关于适用于基于注意力机制的NMT的有效架构的研究相对较少。本文探讨了两类简单且有效的注意力机制：一种是全局方法，始终关注所有源词；另一种是局部方法，每次仅关注源词的一个子集。我们在这两种方法上展示了其在WMT英德双向翻译任务中的有效性。利用局部注意力机制，我们在已集成诸如dropout等已知技术的非注意力系统基础上实现了显著的5.0个BLEU分的提升。通过结合不同注意力架构的模型集合，我们在WMT'15英德翻译任务中取得了25.9个BLEU分的新最佳结果，比现有的最佳系统（该系统基于NMT和n-gram重排序器）提高了1.0个BLEU分。