توليد تسلسلات متنوعة مهم في العديد من تطبيقات معالجة اللغة الطبيعية مثل إنشاء الأسئلة أو التلخيص، والتي تظهر علاقات دلالية متعددة إلى واحدة بين التسلسلات المصدر والهدف. نقدم طريقة لفصل التنوع عن الإنشاء بشكل صريح باستخدام وحدة شاملة قابلة للتركيب والاستخدام (يُطلق عليها SELECTOR) تقوم بتغليف وتوجيه نموذج مُشفِّر-مُفكِّك موجود مسبقًا. تتضمن مرحلة التنوع استخدام خليط من الخبراء لاختيار أقنعة ثنائية مختلفة على التسلسل المصدر لاختيار محتوى متنوع. أما مرحلة الإنشاء فتستخدم نموذج تشفير-تفكيك قياسي بناءً على كل محتوى تم اختياره من التسلسل المصدر. بسبب الطبيعة غير القابلة للتفرع للعينات المتقطعة ونقص العلامات الحقيقية للأقنعة الثنائية، نعتمد وكيلًا للأقنعة الحقيقية ونستخدم الخوارزمية EM العشوائية الصارمة للتدريب. في إنشاء الأسئلة (SQuAD) والتلخيص الاستنتاجي (CNN-DM)، أثبتت طرقنا تحسينات كبيرة في الدقة والتنوع وكفاءة التدريب، بما في ذلك أفضل دقة رأسية (top-1) حتى الآن في كلا المجموعتين، زيادة بنسبة 6% في دقة الرتبة الخامسة (top-5)، وسرعة تدريب 3.7 مرة أسرع من النموذج الأكثر تقدمًا. الكود الخاص بنا متاح بشكل عام على الرابط https://github.com/clovaai/FocusSeq2Seq.