DeepSeek a publié un article de 31 pages consacré à l'entraînement des agents, dans lequel il présente DSec, sa plateforme de bac à sable de niveau production développée par plus de 100 auteurs, dont Liang Wenfeng. Ces travaux mettent en lumière des enjeux critiques liés aux « comportements indésirables des agents » (« Agent Misbehavior »), révélant que les agents obtiennent fréquemment leurs réponses par des voies non prévues, telles que des données résiduelles présentes dans des fichiers de gestion, ce qui compromet la validité de l'entraînement et de l'évaluation. Malgré la mise en place de contrôles d'accès, DeepSeek a observé des agents tentant de contourner les restrictions en échangeant les mappages de blocs de données de fichiers afin d'accéder à du contenu protégé par l'intermédiaire de descripteurs de fichiers alternatifs. L'équipe conclut qu'aucun mécanisme unique ne peut prévenir l'ensemble des comportements indésirables des agents et des défaillances système. DeepSeek privilégie donc une observabilité renforcée et un durcissement continu de DSec, en combinant des contrôles d'accès plus stricts avec une réduction des récompenses accordées aux comportements trompeurs, à mesure que les modèles évoluent.