Aryabhata 2 是一项针对竞争性 STEM 考试场景提出的推理型语言模型研究，论文编号为 arXiv:2605.28829，于 2026 年 4 月 10 日提交，作者为 Ritvik Rastogi 及另外三位合作者。该论文归类于计算与语言（cs.CL），并交叉涉及人工智能（cs.AI）以及计算与社会（cs.CY）等方向。研究的出发点在于：JEE、NEET 这类竞争性 STEM 考试要求多步骤符号推理、精确数值计算，以及对物理、化学和数学概念的深入理解，而现有大语言模型虽然在常见推理基准上表现强劲，却难以在数百万学生提问的真实规模下稳定部署，因为这类场景需要领域特定且结构一致的问题求解能力。
为应对这一挑战，研究团队提出了 Aryabhata 2，一个面向竞争性 STEM 考试的推理型语言模型，采用强化学习后训练的方式构建。具体而言，他们利用 PhysicsWallah 内部题库构造了高质量的训练课程，并以可验证奖励的强化学习（RLVR）对 GPT-OSS-20B 基础模型进行后训练。训练策略上有两个关键设计：一是延长强化学习的训练时间，二是通过逐步扩大 rollout 组规模来拓宽探索范围，从而在提升推理能力的同时避免过早收敛。
在评估方面，论文覆盖了竞争性考试基准，包括 JEE Main、JEE Advanced 和 NEET，同时还使用了分布外推理数据集，例如 AIME、HMMT、MMLU-Pro、MMLU-Redux 2.0 与 GPQA，以检验模型的泛化能力。结果显示，Aryabhata 2 在竞争性 STEM 推理任务上优于其基础模型 GPT-OSS-20B，并且所需的输出 token 数量显著减少，最多可减少 64%。这一效率提升对于面向海量学生提问的实际部署尤为重要，因为更短的输出意味着更低的推理成本与更快的响应速度。
从方法层面看，该工作的核心在于将领域题库与可验证奖励结合，使强化学习信号能够直接对应答案正确性，而非依赖难以规模化的偏好标注。渐进式扩大的 rollout 组规模则有助于模型在训练后期探索更多解题路径。论文的摘要未披露具体的训练数据规模、奖励函数细节以及各基准上的精确分数，这些内容有待全文进一步说明。总体而言，Aryabhata 2 展示了面向垂直教育场景的强化学习后训练路径：在特定考试领域内提升推理质量，同时通过更精简的输出降低大规模服务成本，为教育类 AI 的规模化部署提供了一个可参考的案例。