INDEX
    Explanations
    New Auto-Interp
    Negative Logits
     devoured
    0.52
     jaguar
    0.48
    0.47
     vostro
    0.44
     healed
    0.43
     steamer
    0.43
     nowy
    0.42
     jew
    0.42
     your
    0.42
     souvenirs
    0.42
    POSITIVE LOGITS
     này
    1.48
     этого
    1.39
     этом
    1.37
     هذا
    1.33
     этой
    1.31
     этих
    1.30
     هذه
    1.29
     this
    1.24
     these
    1.21
     это
    1.21
    Act Density 0.039%

    No Known Activations