Neuronpedia logo - a computer chip with a rounded viewfinder border around it

    Neuronpedia

    INDEX
    Explanations

    Adversarial

    np_acts-logits-general · gemini-2.5-flash-lite
    New Auto-Interp
    Negative Logits
     derzeit
    0.86
    釆
    0.82
    ර්
    0.82
     lawan
    0.79
    ardust
    0.77
    knopf
    0.75
    aufnahme
    0.74
     ""){
    0.73
     memutuskan
    0.73
    geschoss
    0.72
    POSITIVE LOGITS
    地
    0.92
     第
    0.82
    면
    0.81
    最
    0.81
     有
    0.78
    게
    0.73
     第一
    0.72
    ใน
    0.71
    江
    0.70
     pp
    0.70
    Act Density 0.002%

    No Known Activations