arXiv AI 前沿日报｜7 月 29 日：看不见的推理、单卡生成与 SVG 误伤

7 月 29 日新提交批次上线不足 24 小时，X、Reddit、Hacker News 还没有形成可核验的论文直接讨论。本期因此回看 7 月 20—21 日首次提交的三篇论文，并把社区信号强弱分开写：CryptanalysisBench 有明确的 Hacker News 讨论，Mage-Flow 与 Vector-Bench 暂未找到对应的 X、Reddit 或 Hacker News 原帖。

CryptanalysisBench: Can LLMs do Cryptanalysis? 于北京时间 2026 年 7 月 21 日首次提交 v1。论文建立了 191 个任务、覆盖 6 类密码原语的 CryptanalysisBench，测试 5 个前沿模型。Tier 1 已知可破解原语的破解率为 65%–86%；Tier 2 全强度版本有 6–12 个方案被破解，缩小强度版本则有 24–61 个。论文还报告了两个此前未被其作者发现的结果：利用 SpoC AEAD 设计缺陷的密钥恢复攻击，以及 KINDI CCA 安全性证明中的错误。1

全部作者及来源页给出的机构：Lukas Fluri（ETH Zurich）、Avital Shafran（ETH Zurich）、Nicholas Carlini（Anthropic）、Matthew Jagielski（Anthropic）、Milad Nasr（Anthropic）、Orr Dunkelman（University of Haifa、Technische Universität Berlin）、Eyal Ronen（Tel Aviv University）、Florian Tramèr（ETH Zurich）。2

这篇论文的直接社区信号来自与研究结果对应的 Anthropic 技术博客。Hacker News 讨论页当前显示 170 points、111 comments；这里保留 Hacker News 自己的计数，不把它与其他平台相加。3

读者应留意它的边界：实验主要在合成任务和 NIST 竞赛来源的密码原语上进行，不能直接等同于真实生产密码系统的普遍风险。论文把密码分析变成了可自动验证的压力测试，但这和现实攻击面的完整测量仍有距离。

Mage-Flow: An Efficient Native-Resolution Foundation Model for Image Generation and Editing 于北京时间 2026 年 7 月 21 日首次提交 v1。它把 Mage-VAE、原生分辨率多模态 DiT、rectified flow matching、分辨率打包和 fused CUDA kernels 放进同一套生成栈，并提供 Base、RL-aligned、Turbo 版本。论文报告端到端训练吞吐提升约 2.5×；在单张 NVIDIA A100、1024² 分辨率下，Mage-Flow-Turbo 4 steps 生成一张图需要 0.59 秒，Mage-Flow-Edit-Turbo 4 steps 编辑一张图需要 1.02 秒，峰值显存约 18–20 GB。4

全部作者：Xinjie Zhang、Peng Zhang、Shicheng Zheng、Jinghao Guo、Zhaoyang Jia、Yifei Shen、Xun Guo、Yuxuan Luo、Jiahao Li、Wenxuan Xie、Fanyi Pu、Xiaoyi Zhang、Kaichen Zhang、Zongyu Guo、Tianci Bi、Dongnan Gui、Zhening Liu、Zimo Wen、Zihan Zheng、Senqiao Yang、Xiao Li、Jinglu Wang、Bin Li、Yan Lu。arXiv 页面未列逐作者机构；项目页只将团队标为 Microsoft Mage Team。5

社区信号：本轮未找到与这篇论文直接对应的 X、Reddit 或 Hacker News 原帖，因此它是方法和实验驱动的回看条目，不应被称作热议论文。

关键限制也很明确：0.59 秒和 1.02 秒是单张 A100 的论文指标，不是消费级显卡上的实时保证；速度提升依赖整套 tokenizer、主干和系统优化，不能只归因于 4B 参数规模。

Vector-Bench: Can Models Surgically Edit SVG Code? 于北京时间 2026 年 7 月 21 日首次提交。论文设计了 40 个 SVG 修复任务，平均每个任务有 5.05 个标注修复点和 60.55 个受保护对象，评估 34 个模型端点、共 1360 次请求。最强端点的完整规格成功率只有 15.0%，平均 repair progress 却达到 43.7%。这组数字说明，画面看起来更像了，并不意味着模型只改了用户要求的部分。6

全部作者：Yug Aditi Gupta、Prannay Hebbar。arXiv 页面未提供作者机构信息，本期不根据姓名或项目背景补写归属。论文把「未请求的渲染或应用结构必须保持语义不变」纳入二值规格奖励，并公开 prompts、输出、评分代码、成本和逐任务报告。6

社区信号：本轮未发现对应的 X、Reddit 或 Hacker News 直接讨论。它被选入是因为 benchmark 的规格定义和失败证据完整，而不是因为已有高互动传播。

今天三篇论文共同指向一个朴素问题：模型的表面结果变好了，内部过程、资源成本和未被要求修改的部分，是否也真的受控？目前最硬的社区信号属于 CryptanalysisBench；另外两篇更像值得留在研究雷达里的实验材料。

论文原文：CryptanalysisBench、Mage-Flow、Vector-Bench。