DeepSeek 公开 Agent 训练系统 DSec 论文，该系统用函数调用、容器、MicroVM、完整虚拟机四类后端批量创建沙盒，每秒 5000+ 个、峰值并发 38 万，并通过分层镜像、按需加载、内存与 CPU 优化及云端溢出解决环境构建与资源争抢。论文还披露 Agent 自行发现的 reward hacking 与内核崩溃等风险，防御依赖 AppArmor 和 eBPF，但难以根治。