Product Business Idea Generation JP (PBIG-JP) は、技術文献からその技術を使った製品アイデアを発想するタスクです。PBIG-JP は LLM の「発想力」を問うことを目的としています。
今回は昨年の年次大会 (NLP2025) の論文を入力とし、指定されたフォーマットで製品アイデアを出力する手法を開発していただきます。提出された製品アイデアのうち面白いと思うものをオーガナイザーが投票し、最も得票数が高いアイデアを表彰します。
本 Shared Task は NLP2026 の一環として行われるため、NLP2026 の参加登録が必須です。
本 Shared Task に関しては論文投稿は任意です。当日のプレゼンテーションは必須です。
ワークショップ論文の投稿はせず、Shared Task のみ参加することも可能です。
プログラムの編成やスムーズな連絡のため、事前の参加登録をお願いしています。
参加登録はこちらからお願いします: https://forms.gle/Q4gd6QbRrCG7B4927
なお、参加登録の取り下げも可能 (※) ですので、興味を持っていただけたらお気軽にご登録ください。
※ システム出力の提出がなかった場合、参加辞退とみなします。
2025-11-13: ウェブサイト公開
2025-11-13: 参加チーム事前登録開始
2025-11-21: データ配布開始
2026-01-09: (NLP2026本会議論文締切)
2026-01-10: システム出力の提出サイトオープン
2026-02-11: システム出力の提出〆切
2026-02-13: ワークショップでの発表可否通知
2026-03-02: 発表プログラム公開
2026-03-11 「未来言語処理ワークショップ」@NLP2026宇都宮
本 Shared Task では NLP2025 論文 (以下シード論文) を入力として、以下の JSON フォーマットに従ってアイデアを出力する手法を開発していただきます。(シード論文のリストは 2025-11-21 に配布します)。
ルール詳細:
1チームから合計 5つ のアイデアを出していただきます。ただし、同じシード論文を複数アイデアで使うことはできません (すなわち、少なくとも5つのシード論文を使う必要があります)。
全てのシード論文を使う必要はありません。
1つの製品アイデアには複数のシード論文を使うことができます。面白い組み合わせは評価時の加点要素にもなります。
アイデア生成の際にシード論文以外の外部情報を使用しても構いません。
シード論文で提案されているもの (手法、データセット、分析結果) を用いて製品アイデアを生成してください。関連研究など、シード論文の貢献点以外の部分は発想の対象外とします。
製品アイデアは以下の JSON 形式で出力してください。
{
"title": "<製品タイトル 最大50文字>",
"description": "<製品の説明 最大300文字>",
"implementation": "<実装方法 最大300文字>",
"differentiation": "<差別化要素 最大300文字>",
"paper_ids": [1, 2, ...]
}
各出力項目は以下の項目を含めてください。
title: 製品タイトルを付けてください
description: 製品の説明です。特に「対象ユーザーは誰か」「どんな目的で使えるか・どんなニーズに応える製品か」を記述してください。
implementation: 実装方法の説明です。特に「シード論文の技術をこの製品にどう適用するか」を記述してください。
differentiation: 差別化の説明です。「シード論文の技術をこの製品に用いることで類似製品と比較してどんな差別化・強みが生まれるか」を記述してください。
paper_ids: 使用した元論文の ID を記載してください (複数可)
またどのシード論文の内容を参照しているかを明確にするため、description, implementation, differentiation のテキストでは [1] [2] のように論文を番号で引用してください。
{
"title": "AR作業手順の分割と順序最適化",
"description": "対象: 整備・施工・医療の現場担当者と新人教育担当。動画/センサから作業を自動で手順チャンク化し、現場の記憶負荷と予測負荷のバランスが良い順序・提示量（要点/詳細）をARで提示。属人化を減らし、手戻りと教育コストを下げる。",
"implementation": "①分割: 連続記録（視点動画・工具/部品イベント列）を離散トークン化し、文境界＝二値潜在変数としてセミマルコフ＋動的計画法＋MCMCで境界推定（文字n-gram相当LM）[1]。②順序/省略: 依存距離＝段取り依存、サプライザル＝予期しにくさで処理負荷を定義し、記憶×予測のトレードオフにもとづき提示順と省略度を最適化。[2] ",
"differentiation": "分割は教師なしにより多様な“現場ノイズ”でも境界推定が可能な枠組みに基づく点が強み [1] 。順序/省略は“記憶と予測のトレードオフ”指標で根拠づけ、自由語順＋項省略が記憶負荷重視で有利という結果を設計方針に直結[2] 。既存の固定手順/経験則ベースとの差別化となる。",
"paper_ids": [1, 2]
}
評価はオーガナイザーによる投票形式で行います。各オーガナイザーは3つ良いと思ったアイデア (うち1つをベストアイデアとして選択、ベストアイデアは2票扱い) に理由付きで投票します。投票結果および理由の分析はワークショップ当日に発表します。最も多くの票を獲得したアイデアはワークショップの最後で表彰を行います。
評価は以下の観点を踏まえ総合的に判断されます。
製品アイデアは明確に記載されており、どんな製品か想像できる
製品アイデアは技術的に妥当で、筋の良い応用方法だと考えられる
シード論文からなかなか思いつかないような、意外で面白い製品である
シード論文を複数使っており、かつその組み合わせが面白い・筋が良い
シード論文の技術によって強い優位性・差別化が生まれる
この製品を使う人やその人が使う動機が容易に想像できる
この製品の市場規模が大きい・ユーザーの数が多そうだと考えられる
本 Shared Task についてのご質問・お問い合わせはワークショップオーガナイザー宛 にご連絡ください。
future-oriented-nlp-2026@googlegroups.com