Llama3-70B-SteerLM-RMは、70億パラメーターの言語モデルであり、属性予測モデルとして機能する多面的な報酬モデルです。従来の報酬モデルのように単一スコアではなく、複数の側面からモデル応答を評価します。このモデルはHelpSteer2データセットを使用してトレーニングされ、効率的で拡張性のあるモデルアラインメントのためのツールキットであるNVIDIA NeMo-Alignerによってトレーニングされました。