1.主要完成的任务是能够将英文转译为法文，使用了一个encoder-decoder模型，在encoder的RNN模型中是将序列转化为一个向量。在decoder中是将向量转化为输出序列，使用encoder-decoder能够加入词语与词语之间的顺序信息。
2.另一个任务是将序列表达为一个向量，利用向量能够清楚的看出那些语义上相近的词聚集在一起。
3.在设计RNN的隐藏层时，在读入或产生序列加入了reset和update门，可以选择丢掉记忆信息和更新记忆信息，得到了更有意义的结果。
Learning Phrase Representations using RNN Encoder–Decoder for Statistical Machine Translation
原文：http://www.cnblogs.com/bob-wzb/p/5967267.html