Nemotron-4-340B-Reward es un modelo de recompensa multidimensional desarrollado por NVIDIA para canalizaciones de generación de datos sintéticos, que ayuda a investigadores y desarrolladores a construir sus propios modelos de lenguaje extenso (LLM). El modelo consta del modelo Nemotron-4-340B-Base y una capa lineal, capaz de convertir las etiquetas al final de una respuesta en cinco valores escalares que corresponden a las propiedades de HelpSteer2. Admite una longitud de contexto de hasta 4096 tokens y puede puntuar cinco atributos de cada turno del asistente.