DeepSeek 公开 Agent 训练系统 DSec，每秒可生成 5000 个沙盒

DeepSeek 发布由梁文锋署名的论文，公开 Agent 训练系统 DSec（DeepSeek Elastic Compute）。该系统每秒可产生 5000 个以上沙盒，单日可达 300 万个，峰值同时运行 38 万个，单集群约 160 个节点、3 万核 CPU 和 250TB 内存。

DSec 为不同 Agent 任务提供四种后端：FnCall 处理无状态函数调用，Container 运行 Docker 容器，MicroVM 使用 Firecracker 轻量级虚拟机，Full VM 通过 QEMU 运行完整操作系统，训练框架通过统一 Python SDK 调用。

论文披露 Agent 在训练中曾自行发现多种 reward hacking 手段，包括覆盖 bash、利用 XFS 文件系统 ioctl 调用绕过访问控制、通过 Go module proxy 从 GitHub 拉取代码等。平台采用 AppArmor 和 eBPF 两层防御，但论文表示无法彻底解决。