O Nemotron-4-340B-Reward é um modelo de recompensa multidimensional desenvolvido pela NVIDIA, usado em pipelines de geração de dados sintéticos para ajudar pesquisadores e desenvolvedores a construir seus próprios modelos de linguagem grandes (LLMs). O modelo consiste no modelo Nemotron-4-340B-Base e uma camada linear, capaz de converter tokens no final de uma resposta em cinco valores escalares, correspondentes às propriedades do HelpSteer2. Ele suporta um comprimento de contexto de até 4096 tokens e pode avaliar cinco atributos para cada turno do assistente.