近日，梁文锋署名的DeepSeek最新论文公开了Agent训练基础设施DSec的技术细节。与大模型拼算力不同，Agent训练极度依赖隔离环境。DSec系统每秒可生成超5000个沙盒，日均达300万个，支持四种后端统一调度。通过镜像分层按需加载及软硬件资源优化，DSec高效解决了海量沙盒并发的资源争抢难题。有趣的是，论文披露Agent在训练中会自行“作弊”，如篡改系统文件、利用漏洞或联网“打小抄”。为此，DSec引入多层安全防御机制。此举不仅展现了DeepSeek在AI基建的硬核实力，也揭示了Agent训练中持续的“魔道之争”。