Hacktoberfest 2026: những issue maintainer đã đánh dấu cho tháng Mười, đang mở và phù hợp người mới. Xem issue Hacktoberfest

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

Đang mở
  • Có gì không ổn?
#12 0 bình luận 0 reaction 0 người được giao Xem trên GitHub

Chưa có ai nhận issue này.

Đánh giá

Độ khó
5/5
Thời gian dự kiến
Hơn một tuần
Mức phù hợp với người mới
35/100
Loại issue
Lỗi
Độ rõ ràng
Cần làm rõ
Mức độ hoạt động
Đình trệ
Công nghệ
python
Lĩnh vực
ai, machine-learning

Hướng nghiên cứu

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.

Do mô hình lập chỉ mục viết ra từ nội dung của issue.

Mô tả

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!

Ngôn ngữ chính
Python
Star
699
Fork
51
Không có pull request nào được merge trong 30 ngày

Chuẩn bị môi trường

Chúng tôi chưa kiểm tra các tệp thiết lập môi trường của dự án này. Hãy bắt đầu từ README và xem hướng dẫn đóng góp lần đầu của chúng tôi để biết các bước chung.

Bắt đầu từ đâu

  1. Đọc hết issue, rồi đọc hướng dẫn đóng góp của dự án.
  2. Bình luận trên issue rằng bạn sẽ nhận — tránh hai người làm cùng một việc.
  3. Fork repository và làm thay đổi trên một nhánh.
  4. Mở pull request có tham chiếu số hiệu của issue.

Issue khác của stepfun-ai/Step-Audio-R1

Tất cả issue của stepfun-ai/Step-Audio-R1

Issue tương tự

Thêm issue về Python

Nhận issue mới trong hộp thư của bạn

Bản tóm tắt ngắn những issue GitHub phù hợp với người mới.