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

    Neuronpedia

    INDEX
    Explanations

    e.g.,

    np_acts-logits-general · gemini-2.5-flash-lite
    New Auto-Interp
    Negative Logits
     oraz
    0.52
     annat
    0.51
     lainnya
    0.51
     또한
    0.49
     également
    0.49
     other
    0.48
     及び
    0.48
     البته
    0.47
     відповідно
    0.47
     gestaltet
    0.46
    POSITIVE LOGITS
     예를
    0.54
    糖尿病
    0.52
    например
    0.50
    坐在
    0.47
     dacă
    0.47
    夜晚
    0.47
    五
    0.47
     उदाहरण
    0.46
     acetaminophen
    0.46
     misalnya
    0.46
    Act Density 0.016%

    No Known Activations