大多数神经机器翻译（NMT）模型基于带有编码器-解码器框架的序列到序列（Seq2Seq）模型，并配备了注意力机制。然而，传统的注意力机制在每个时间步的解码过程中都使用相同的矩阵，对不同类型的词语（如内容词和功能词）的注意力强度没有进行区分，这存在一定的问题。因此，我们提出了一种新的模型，引入了称为自适应温度控制（Self-Adaptive Control of Temperature, SACT）的机制，通过注意力温度来调节注意力的软硬度。实验结果表明，在中英翻译和英越翻译任务中，我们的模型优于基线模型。分析和案例研究进一步显示，我们的模型能够关注源端上下文中最相关的元素，并生成高质量的翻译。