INDEX
Negative Logits
ي
0.84
y
0.82
sax
0.81
র
0.79
oretically
0.76
quoi
0.74
י
0.73
ી
0.73
ি
0.72
yers
0.70
POSITIVE LOGITS
эту
0.89
tejto
0.88
笋
0.80
بر
0.79
sofern
0.77
こちらは
0.77
würde
0.75
ٿ
0.75
ئەم
0.75
Tämä
0.75
Activations Density 0.038%
ي
y
sax
র
oretically
quoi
י
ી
ি
yers
эту
tejto
笋
بر
sofern
こちらは
würde
ٿ
ئەم
Tämä