E2E自然语言生成（NLG）挑战赛是一项旨在从键值对集合中生成餐厅描述的共享任务。本文介绍了我们参与该挑战赛的结果。我们提出了一种简单但高效的神经编码器-解码器模型，能够生成流畅的餐厅描述，并在性能上优于一个强大的基线模型。此外，我们对主办方提供的数据进行了深入分析，发现仅用数小时即可构建一个基于模板的模型来完成该任务，表明该问题亦可通过此类方法有效解决。