数据速览
- 单规模单元的 CPU 节点
- 约 160 个
- 日均沙箱实例
- 约 300 万
- 并发沙箱数
- 超过约 38 万
- 每秒新建数量
- 超过约 5000 个
DeepSeek-AI 在 9 月 19 日向预印本平台 arXiv 提交了这份技术报告，提交人一栏为梁文锋。报告把 DSec 定义为生产环境里的沙箱系统，用来给智能体强化学习提供隔离的执行环境。这份材料在 9 月 23 日由科技媒体 TechNode 报道。
软件开发包把四类后端收在同一入口：函数调用、容器、微型虚拟机，以及完整虚拟机。论文给出单个规模单元的运行量：约 160 个 CPU 节点，日均约 300 万个沙箱实例；并发超过约 38 万，创建速率超过约每秒 5000 个。容器和微型虚拟机占了实例数与资源消耗的大头。镜像可以分层组合，用到时再从分布式文件系统 3FS 读取。
| 后端 | 更常见的任务 | 隔离取舍 |
|---|---|---|
| 函数调用 | 短时、无状态 | 开销较小 |
| 容器 | 软件工程与工具调用 | 共享宿主内核 |
| 微型虚拟机 | 安全敏感任务 | 具备虚拟机边界 |
| 完整虚拟机 | 完整操作系统与图形 | 资源开销更高 |
有状态的采样轨迹和可被抢占的 GPU 训练是分开的。训练任务被抢占时，平台会暂停相关沙箱，回收空闲内存，恢复时仍保留执行状态。出网按任务配置，eBPF 程序按地址、端口和协议拦截名单之外的流量。论文同时给出缓解措施，用来对付模型钻奖励空子，例如限制读取内部日志和套接字。
智能体要在接近真实机器的环境里改文件、装依赖、跑命令，沙箱必须记住这些状态。出网放得太开，任务可能从日志或软件镜像摸到参考答案；卡得太死，评测又无法安装依赖。国产模型做强化学习时，难处是同一集群里既保住轨迹、回收闲置内存，又把出网收成按任务切换的策略。
TAGS#DeepSeek#智能体#沙箱#强化学习
