INDEX
Negative Logits
!"));
1.25
!");
1.17
!";
1.12
!!");
1.09
!</
1.06
!');
1.03
!}
1.02
！？
1.02
!\!\
0.98
!")
0.98
POSITIVE LOGITS
да
1.22
ak
0.82
ित
0.77
ار
0.73
ार
0.72
ूर
0.72
Buen
0.72
dugg
0.72
ﺸ
0.71
JOR
0.70
Activations Density 0.008%
!"));
!");
!";
!!");
!</
!');
!}
！？
!\!\
!")
да
ak
ित
ار
ार
ूर
Buen
dugg
ﺸ
JOR