随着全球化的不断发展，跨语言摘要任务已成为自然语言处理领域的一项重要课题。在低资源场景下，现有方法存在表征转换受限和数据利用不充分等问题。为此，该文提出了一种基于联合训练与自训练的跨语言摘要方法。该方法使用两个模型分别建模翻译任务和跨语言摘要任务，以统一输出端的语言向量空间，从而避免模型间表征转换受限的问题。此外，通过对齐平行训练对的输出特征和概率进行联合训练，增强模型间的语义共享。同时，在联合训练的基础上引入自训练技术，利用额外的单语摘要数据生成合成数据，有效缓解了低资源场景下数据稀缺的问题。实验结果表明，该方法在多个低资源场景下均优于现有对比方法，实现了ROUGE分数的显著提升。