SlideChain：基于区块链注册的讲座语义源头
计算机视觉与模式识别
2026-01-01 v2
摘要
现代视觉-语言模型 (VLM) 正在越来越多地用于解释和生成教育内容，但其语义输出在时间上难以验证、复现和审计。跨模型族、推理设置和计算环境之间的不一致性削弱了 AI 生成教学材料的可靠性，尤其是在高风险和定性 STEM 领域。本工作引入 SlideChain，一个基于区块链的源头框架，旨在为大规模多模态语义提取提供可验证的完整性。通过从四个最先进的 VLM 中提取概念和关系三元组，并为每张幻灯片构建结构化源头记录，我们将这些记录的加密哈希锚定在本地兼容以太坊虚拟机 (EVM) 的区块链上，提供防篡改的可审计性和持久的语义基线。通过对多模态教育内容中语义不一致、跨模型相似性和讲座层级变异性的首次系统性分析，我们揭示了跨模型之间的显著不一致，包括许多幻灯片上的概念重叠和关系三元组几乎没有一致性。我们进一步评估了气体使用、吞吐量和在仿真部署条件下的可扩展性，并展示了完美的防篡改检测以及在独立提取运行中实现的确定性可复现性。总体而言，SlideChain 为可信赖、可验证的多模态教育管道提供了实用且可扩展的步骤，支持 AI 辅助教学系统的长期可审计性、可复现性和完整性。
引用
@article{arxiv.2512.21684,
title = {SlideChain: Semantic Provenance for Lecture Understanding via Blockchain Registration},
author = {Md Motaleb Hossen Manik and Md Zabirul Islam and Ge Wang},
journal= {arXiv preprint arXiv:2512.21684},
year = {2026}
}