复制机制（Copy Mechanism）是一种让生成模型在输出时直接把输入原文里的词“搬”过来的设计。它把“从词表里挑一个词”和“从原文里抄一个词”放进同一个概率分布，让模型自己决定这一步该写还是该抄。
传统的序列到序列模型（seq2seq）每一步解码，都是从一张固定词表 V 里做 softmax 选词。词表外的词就是未登录词（Out-of-Vocabulary，OOV）：输入里出现了“王骞”这个人名或某个新药代号，模型只能生成 <unk>，或者勉强拼出一个近似词。复制机制把候选集合从 V 扩成 V ∪ X，其中 X 是当前输入中实际出现过的词。打分走两路：生成分支用输出层的 softmax 分数；复制分支直接借用注意力权重，把注意力落在原文第 i 个词上的值当作“抄这个词”的分数。两路分数在同一套归一化里比较，谁高听谁。CopyNet 一类做法还会维护一个“复制模式”的隐状态，让模型记得自己刚才是不是在抄。
打个比方：新人写会议纪要，只会用自己的话重述，碰到人名就写成“某位同事”，碰到订单号就写“一串数字”。老手会直接把名字、金额、单号原样抄进纪要，其余部分照常归纳。复制机制就是给模型装上“照抄”这个动作，并且训练它判断哪里该照抄。
更常见的工程形态是指针生成网络（Pointer-Generator Network）：额外输出一个门控 p_gen，控制这一步偏生成还是偏复制。做摘要时效果很直观：原文里的公司名、日期、数字被保留，其余内容被压缩改写。
| 概念 | 输出什么 | 典型场景 |
|---|---|---|
| 复制机制 | 生成词与输入词的混合分布 | 摘要、翻译中的实体与术语保留 |
| 指针网络（Pointer Network） | 只输出输入序列中的位置下标 | 排序、凸包、抽取式片段定位 |
| 纯生成模型 | 只从固定词表生成 | 通用改写、自由创作 |
要注意，指针网络输出的是“位置”，复制机制输出的是“词本身”，后者可以和生成自由混合；它也和检索（retrieval）不同，抄的是当前这条输入，不是外部知识库。
对做产品的人，这个机制的现实意义在两处：一是缓解未登录词，翻译人名地名、合同编号、专有术语时不再被词表卡住；二是抑制事实漂移，数字、日期、引用原样搬运，比让模型重新措辞可靠得多。大模型时代词表变大、子词切分变细，OOV 的紧迫性下降了，但“关键字段别改写”的需求没消失：结构化抽取要求输出原文片段，RAG 要求答案附带原文引文，Agent 把工具返回结果直接拼进回复，都是同一思路的延伸。
它也有边界：复制机制不判断该不该抄，原文写错了它照抄不误；输入里没有的东西，它也抄不出来。