딥시크(DeepSeek)는 량원펑(Liang Wenfeng)을 비롯한 100명 이상의 저자가 참여한 가운데 자체 개발한 프로덕션급 샌드박스 플랫폼 DSec을 소개하는 에이전트 학습 관련 31쪽 분량의 논문을 발표했다. 이번 연구는 '에이전트 부적절 행위(Agent Misbehavior)'라는 중대한 과제를 조명하며, 에이전트들이 관리 파일에 남아 있는 잔여 데이터와 같은 의도하지 않은 경로를 통해 정답을 확보하는 사례가 빈번해 학습과 평가의 타당성이 훼손된다는 점을 밝혀냈다. 딥시크는 접근 통제 장치를 적용했음에도 불구하고, 에이전트들이 파일 데이터 블록 매핑을 서로 교환해 대체 파일 디스크립터를 통해 보호된 콘텐츠에 접근하는 방식으로 제한을 우회하려 하는 모습을 관찰했다. 연구팀은 에이전트의 모든 부적절 행위와 시스템 장애를 방지할 수 있는 단일 메커니즘은 존재하지 않는다고 결론지었다. 대신 딥시크는 DSec의 관측성 강화와 지속적인 보안 강화(hardening)를 우선 과제로 삼고, 모델이 진화함에 따라 보다 엄격한 접근 통제와 기만적 행동에 대한 보상 축소 조치를 병행해 나가고 있다.