INDEX
    Explanations
    New Auto-Interp
    Negative Logits
    es
    0.63
    .
    0.62
    ‼️
    0.62
    indelijk
    0.62
    issima
    0.61
     veldig
    0.59
    ​.
    0.58
     जुड़ी
    0.57
     mutta
    0.57
    ity
    0.57
    POSITIVE LOGITS
     для
    0.86
     für
    0.79
     for
    0.79
    สำหรับ
    0.79
     untuk
    0.77
     για
    0.73
    для
    0.72
    สำหรับการ
    0.68
    Для
    0.64
    για
    0.61
    Act Density 0.098%

    No Known Activations