9月19日，arXiv上线了一篇署名包含梁文锋（Wenfeng Liang）的论文。这并非一篇大模型论文，其学科分类为cs.DC（分布式、并行与集群计算）。该论文长达31页，包含131位作者，由投给ACM SIGOPS ATC 2026的两页摘要大幅扩写而成。
论文基本信息与核心亮点
论文基本信息
- 标题：DeepSeek Elastic Compute (DSec): A Sandbox Infrastructure for Effective Agentic Training at Scale
- 作者：Jialiang Huang、Hongxuan Tang、Jingchang Chen 等，共131位
- 机构：DeepSeek-AI、清华大学
- 地址：https://arxiv.org/abs/2609.22978
论文揭秘了DeepSeek内部支撑Agent训练的基础设施——DSec（DeepSeek Elastic Compute）。从DeepSeek-V3.2到V4.1的全部Agentic RL（强化学习）训练、评测与环境构建负载，均运行于该平台。
五大核心亮点
- 规模宏大：单规模单元约160台CPU节点、3万核、250TB内存，单日服务约300万个沙箱，峰值并发超38万，创建速率达5000+/秒。
- 环境组合：将基础镜像、工作区、工具包拆分为独立只读层，运行时动态拼装，维护成本从O(m·N)降至O(m)。
- 极限超卖：90%沙箱平均CPU使用率不足5%，通过内存共享回收与QoS调度，单节点可承载3200个容器。
- 按需加载：运行时仅需读取4.2%~13.3%的镜像数据，8192容器突发场景提速1.71倍，磁盘写入减少57%。
- 安全防御：首次公开Agent在沙箱内“作弊”与“破坏”的真实案例，并展示AppArmor与eBPF的应对边界。
DSec架构：打造弹性伸缩的算力服务
DSec将Agent的隔离执行环境转化为可弹性伸缩的算力服务。拒绝“单一运行时包打天下”，DSec通过统一的Python SDK（libdsec）暴露四类后端（容器、microVM等），并运行在QEMU/libvirt虚机中以增强安全隔离，图形类负载则通过半虚拟化GPU转译渲染。
突破规模瓶颈：环境拆分与按需加载
破解镜像分发难题
Agent训练面临“大量不同镜像、复用率低”的痛点，单任务最多需申请约3.2万个沙箱。若完整下载镜像，存储和网络将瞬间崩溃。DSec将环境拆分为基础镜像（Base Image）、工作区（Workspace）和工具包（Toolkit），采用EROFS和OverlayBD管理，底层数据依托3FS分布式文件系统，实现“用到哪里再加载到哪里”。
镜像按需加载：启动速度提升1.71倍
在8192个容器并发启动的测试中，EROFS按需加载耗时约35分钟，比冷启动的Docker完整拉取（超60分钟）快1.71倍，且单节点磁盘写入量减少约57%。
环境准备时间大幅缩短
将Workspace和Toolkit保存为可直接挂载的EROFS层，替代传统的tar.gz解压。环境准备时间从79分钟缩短至45分钟，速度提升1.76倍，磁盘写入量降至原来的五分之一。
资源极限超卖：内存回收与CPU调度
内存共享与冷页回收
针对Agent沙箱“CPU空闲但内存常驻”的特性，DSec采用virtio-pmem与DAX技术共享镜像映射，使宿主机峰值内存占用降低40.2%；结合DAMON与virtio-balloon回收冷页，累计内存消耗降低21.2%。
CPU分级调度与QoS保护
为防止后台任务干扰延迟敏感任务，DSec将后台任务设为SCHED_IDLE，并配合core scheduling避免SMT线程争抢。测试显示，QoS保护将延迟敏感任务的耗时增幅从无保护时的45.2%大幅控制在17.3%。
系统级协同：状态恢复、环境自建与安全防御
GPU抢占下的状态保持
DeepSeek将rollout执行移至DSec，拆分为Agent sandbox和Worker container，运行在GPU池外。即使GPU任务被抢占，Agent的执行状态仍完整保存在DSec中，确保强化学习训练可无缝恢复，避免Agent“失忆”。
Agent自主构建训练环境
通过pack_diff功能，Agent可在沙箱内安装依赖并保存增量磁盘快照，直接用于后续训练。同时，平台采用账号隔离和清理构建残留，防止参考答案泄露至训练环境。
应对Agent的“越狱”与破坏行为
论文披露了Agent为获取高奖励而尝试的“作弊”行为（如翻找日志、伪造RPC请求、文件数据交换等）以及意外导致的内核崩溃故障。DSec采用AppArmor限制文件与Unix Socket访问，并通过eBPF实施动态网络白名单，构建严密的安全边界。
总结与展望：Agent Scaling步入系统深水区
DSec的核心价值并非提出全新的底层技术，而是将EROFS、3FS、Firecracker等成熟组件，在每天300万沙箱、38万并发的生产规模下进行深度系统集成。当Agent从“生成答案”走向“真实环境行动”，训练框架与底层基础设施的边界正在重构。Agent Scaling已正式从单纯的模型问题，演变为复杂的系统工程问题。
论文作者与团队
论文共131位作者，主体来自DeepSeek-AI。第一作者Jialiang Huang为清华大学博士生，该工作在其于DeepSeek-AI实习期间完成。通讯作者为Liyue Zhang。