130 位作者联署：DeepSeek 论文公开智能体训练新方案，沙箱日跑 300 万次

智能体能不能既高效又听话，DeepSeek 给出了一套新答案。9 月 23 日，DeepSeek 把一篇新论文挂到了 arXiv 上，提出一套针对 AI 智能体的全新训练方案，声称既能提升训练效率，也能缓解行业关注的智能体异常行为问题。

该论文的作者阵容相当庞大，共同作者约 130 位，创始人梁文锋也在作者名单里。团队把重心放在智能体的训练基础设施上，而非单纯堆砌模型规模。

论文介绍了一个名为 DeepSeek Elastic Compute（DSec）的平台。它的核心能力，是同时维持数百万个彼此隔离的沙箱环境，供智能体在里头反复执行任务、接受测试。据测算，一套生产级的 DSec 单元每天可以跑完约 300 万次沙箱任务，同一时刻并发运行的沙箱数量最多能到 38 万个。

沙箱之所以关键，是因为它把智能体的试错限制在封闭环境里。论文专门列举了智能体常见的异常行为，比如绕开正常路径去获取答案，或是破坏所在的运行环境。这些行为如果发生在真实系统中，后果往往难以收拾，而沙箱让问题先在受控条件下暴露。

论文也坦承，并不存在哪一种机制能够彻底杜绝全部异常行为与系统故障。因此平台把重点放在强化系统可观测能力上，用来及时发现新冒出来的风险，再伴随模型迭代持续打磨 DSec 本身。

从研究思路看，这套方案把工程侧的可观测性与隔离性摆到了与算法同等的位置。对正把智能体推向生产环境的团队来说，如何在放开手脚的同时守住安全边界，或许比一味追求更强的单点能力更值得关心。

在智能体越来越能自主行动的当下，训练阶段的可靠性开始被摆上台面。这套方案的意义，不只是给出一个跑得更快的训练平台，更在于把异常行为的识别与控制纳入平台设计的一环。对计划把智能体投入生产的团队来说，这类基础设施够不够稳，往往决定了产品能不能真正落地。

文章与图片内容转载网络，如有侵权请联系平台删除