提取式摘要模型通常需要句子级别的标签，而大多数摘要数据集仅提供文档-摘要对。鉴于这些标签通常是通过启发式方法（例如基于规则的方法）生成的，可能存在不足之处，我们提出了一种潜在变量提取式模型，该模型将句子视为潜在变量，并利用激活的变量来推断黄金摘要。在训练过程中，损失直接来自黄金摘要。在CNN/Dailymail数据集上的实验表明，我们的模型在启发式近似标签上训练的强基线模型基础上有所改进，并且其性能与几种最近提出的模型相当。