Hacktoberfest 2026: le issue che i maintainer hanno segnato per ottobre, aperte e adatte ai principianti. Sfoglia le issue Hacktoberfest

The training data are contaminated, and the prompts are leaked？

Aperta
  • Qualcosa non va?
#12 0 commenti 0 reazioni 0 assegnatari Vedi su GitHub

Nessuno ha ancora preso questa issue.

Valutazione

Difficoltà
5/5
Tempo stimato
Più di una settimana
Idoneità per principianti
35/100
Tipo di issue
Bug
Chiarezza
Da chiarire
Stato di attività
Ferma
Stack tecnologico
python
Ambito
ai, machine-learning

Direzione di ricerca

Start with the reported uac_test call and reproduce the output using Emilia or AudioCaps data. No repository file or test is named, so investigate whether the exposed JSON and prompt come from contaminated training data or inference behavior. Done means identifying the cause and documenting an agreed fix or mitigation.

Scritto dal modello di indicizzazione a partire dal testo della issue.

Descrizione

Thanks for opensource step-audio-r1, During use, I find that the audio comprehension capability of step-audio-r1 surpasses the other open-source large audio models released during the same time. You guys did an amazing job!

However, I find step-audio-r1 model's output "\n\n{"model":"gemini-2.5-pro-vision-provider"" sometimes, I guess the training data are contaminated when The JSON response from gemini-2.5-pro was not parsed correctly. The contaminated data also may leak the prompts that call gemini-2.5-pro? Because I got response like this sometimes:

\n</think>\n{\"model\":\"gemini-2.5-pro-vision-provider\",\"prompt\":\"请仔细聆听音频内容，根据音频内容，以中文进行转写和分析。请先将音频内容准确转写为文字，然后对说话人的特征（如性别、年龄、情绪状态等）进行详细描述。请以JSON格式输出，包含以下字段：'transcription'（转写文本）、'speaker_count'（说话人数量）、'speaker_descriptions'（说话人特征描述，包括性别、年龄、情绪状态等）、'language'（语言）、'background'（背景分析，包括环境、噪音等）。请注意，说话人特征描述需详细，且需符合音频内容。

Here is the corresponding screenshot:

Image

You can reproduce it with the following call, (data are Emilia or audiocaps both can reproduce)

def uac_test(model, wav_path):
    """Test universal audio caption generation with detailed analysis."""
    messages = [
        {"role": "system", "content": "你是一位经验丰富的音频分析专家，擅长对各种语音音频进行深入细致的分析。你的任务不仅仅是将音频内容准确转写为文字，还要对说话人的声音特征（如性别、年龄、情绪状态）、背景声音、环境信息以及可能涉及的事件进行全面描述。请以专业、客观的视角，详细、准确地完成每一次分析和转写。"},
        {"role": "human", "content": [{"type": "audio", "audio": wav_path}]},
        {"role": "assistant", "content": "<think>\n", "eot": False},
    ]
    full_text = ""
    try:
        for response, text, audio in model.stream(messages, max_tokens=1024, temperature=0.5, top_p=0.9, stop_token_ids=[151665]):
            if text:
                full_text += text
    except Exception as e:
        print(f"Error during streaming: {e}")
        import traceback
        traceback.print_exc()
    print("\n\nFull response:", full_text)

Looking forward to the official response. Thank you!

Lingua principale
Python
Stelle
699
Fork
51
Nessuna PR unita negli ultimi 30g

Preparare l'ambiente

Non abbiamo ancora controllato i file di configurazione di questo progetto. Parti dal suo README e consulta la nostra guida al primo contributo per i passaggi generali.

Come iniziare

  1. Leggi tutta la issue e poi la guida ai contributi del progetto.
  2. Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
  3. Fai un fork del repository e lavora su un branch.
  4. Apri una pull request che faccia riferimento al numero della issue.

Altre issue di stepfun-ai/Step-Audio-R1

Tutte le issue di stepfun-ai/Step-Audio-R1

Issue simili

Altre issue su Python

Ricevi le nuove issue nella tua casella

Un breve riepilogo di issue GitHub adatte ai principianti.