【DeepSeek新论文首次披露Agent训练沙盒技术细节 指真实环境应用Agent存风险】9月23日，DeepSeek发布系统论文《DeepSeek Elastic Compute：大规模Agent训练的沙箱基础设施》，首次系统发布了DeepSeek的Agent训练沙盒平台DSec(DeepSeek Elastic Compute)的技术细节。论文作者人数逾130人，DeepSeek创始人梁文锋位列作者名单。DeepSeek公开新论文

DSec平台首次出现是在DeepSeek V4技术报告中，其主要作用是为Agent训练提供沙盒，以实现大规模Agent训练的稳定运行。论文指出，从DeepSeek V3.2到V4.1，相关强化学习训练和评测的Sandbox workload均运行在Dsec上。

论文称，DSec平台的规模非常庞大，一个生产单元约由160台CPU节点、3万颗CPU Core和250TB DRAM内存组成，单日服务约300万个Sandbox，峰值同时在线超过38万个，创建速度超过5000个/秒。实验显示，Dsec按需加载镜像可将8192个Container的启动时间控制在约35分钟，较完整远程拉取方案缩短约42%，磁盘写入量下降约57%。

论文同时指出，DSec解决了规模和效率问题，但真实环境还存在一些其他风险，例如Agent不一定会按照预期路径完成任务。论文记录了多种异常行为，有Agent会翻查日志、伪造RPC请求，甚至修改/bin/bash，试图绕过正常的任务流程。还有Agent会扫描可达服务、拉取外部代码，通过评测之外的路径寻找答案。DeepSeek新論文首次披露Agent訓練沙盒技術細節 指真實環境應用Agent存風險