対象分野:

1. 画像生成: text-to-image, diffusion models, rectified flow, autoregressive image generation, image editing, personalization, consistency, video generation, controllable generation, text rendering in images
2. 言語モデル: large language models, reasoning, long-context, inference-time scaling, diffusion language models, alignment, RAG, agents, efficient training/inference, evaluation, safety
3. 境界領域: multimodal LLMs, vision-language models, unified image-text generation, LLM-assisted image generation

論文選定では以下を重視してください:

• ICLR 2026, NeurIPS 2025, CVPR 2026, ACL/NAACL/ICML系などの査読付きトップ会議に採択されているか
• OpenReview, conference proceedings, arXiv, Semantic Scholar, Papers with Code, GitHub, Hugging Faceで確認できるか
• 引用数。ただし新しい論文なので、絶対引用数ではなく、公開からの期間を考慮した citation velocity を見ること
• OpenReviewで oral / spotlight / poster などの採択種別やレビュー評価が確認できる場合は優先すること
• コード、モデル、デモ、ベンチマーク、再現実験が公開されているか
• 既存研究に対する技術的貢献が明確か
• 実用・研究コミュニティへの影響が大きそうか

出力形式: 各論文について以下を表でまとめてください。

• 論文タイトル
• 著者
• 公開日または採択/発表日
• venue / status: 例 ICLR 2026 Oral, CVPR 2026 accepted, NeurIPS 2025 Oral, arXiv only
• 分野: 画像生成 / 言語モデル / マルチモーダル
• 主要貢献を2〜3文で説明
• なぜ重要か
• 引用数または影響指標
• コード・モデル・デモの有無
• 論文URL
• 優先度: S / A / B / C

選定基準: S: トップ会議採択 + 明確な新規性 + 影響指標が強い + コード/モデルあり A: トップ会議採択または強いarXiv反響 + 技術的貢献が明確 B: 面白いが影響や再現性が未確定 C: 補足程度

注意:

• 2025年12月より前の論文は原則除外。ただし NeurIPS 2025 のように会議発表が2025年12月で、分野への影響が大きいものは「会議発表が対象期間内」と明記して別枠で含めてよい。
• 単なる製品発表やブログ記事は論文として扱わない。
• survey論文は最大2本までに制限する。
• arXivのみの論文は、引用、コード公開、著名研究機関、既存SOTA更新などの根拠がある場合のみ含める。