INDEX
    Explanations
    New Auto-Interp
    Negative Logits
    0.82
     gotten
    0.81
    だから
    0.80
     cuz
    0.79
     porque
    0.78
     비슷
    0.77
     BECAUSE
    0.77
    avaient
    0.76
    0.76
     perché
    0.75
    POSITIVE LOGITS
     desired
    1.09
     optional
    0.89
     Optional
    0.82
    を入力
    0.82
    desired
    0.81
    Optional
    0.80
     gewüns
    0.77
     ука
    0.76
    optional
    0.75
     жела
    0.74
    Act Density 0.657%

    No Known Activations