JEEやNEETといった競争の激しいSTEM試験では、多段階の記号推論、正確な数値計算、そして物理・化学・数学にわたる深い概念理解が求められます。近年の大規模言語モデルは一般的な推論ベンチマークで高い性能を示していますが、数百万件に及ぶ学生の疑問に対して、領域固有で一貫した構造を持つ問題解決を提供する大規模展開には依然として課題が残っています。
そこで研究チームは、競争型STEM試験に特化した推論指向の言語モデル「Aryabhata 2」を提案しました。このモデルは、GPT-OSS-20Bをベースに強化学習による後訓練を施したものです。PhysicsWallahが保有する内部問題バンクを活用して高品質な訓練カリキュラムを構築し、検証可能な報酬に基づく強化学習で後訓練を行いました。訓練手法としては、強化学習の期間を長くとることに加え、ロールアウトのグループサイズを段階的に大きくすることで探索の幅を広げる工夫がなされています。
評価は、JEE Main、JEE Advanced、NEETといった競争型試験のベンチマークに加え、AIME、HMMT、MMLU-Pro、MMLU-Redux 2.0、GPQAといった分布外の推論データセットを用いて実施されました。その結果、Aryabhata 2は競争型STEM推論においてベースモデルであるGPT-OSS-20Bを上回り、しかも出力トークン数を最大64%削減できることが示されました。この効率性の向上は、大規模な教育現場での展開において計算コストを抑えつつ推論品質を維持できる点で重要です。
本論文はRitvik Rastogi氏ら4名によって2026年4月10日にarXivに投稿され、計算と言語（cs.CL）分野に分類されるほか、人工知能（cs.AI）やコンピュータと社会（cs.CY）にも関連しています。本研究は、強化学習による後訓練と領域特化型データの構築を通じて、中小規模の言語モデルでも専門的な推論タスクの性能を大幅に向上させ得ることを示しており、教育テクノロジー分野での大規模応用に向けた現実的な道筋を提示しています。