INDEX
Negative Logits
ת
2.47
ore
1.93
stes
1.91
ain
1.83
st
1.82
ן
1.81
riding
1.80
stud
1.78
ng
1.77
sp
1.75
POSITIVE LOGITS
هن
1.93
ی
1.92
e
1.90
логии
1.67
eid
1.67
ای
1.61
ERSON
1.56
ි
1.56
ನ್
1.55
Ў
1.55
Activations Density 0.045%
ת
ore
stes
ain
st
ן
riding
stud
ng
sp
هن
ی
e
логии
eid
ای
ERSON
ි
ನ್
Ў