INDEX
Negative Logits
ngày
0.56
de
0.55
необходимо
0.54
CT
0.52
актив
0.51
gou
0.51
<unused37>
0.51
arat
0.51
arial
0.51
dotycz
0.50
POSITIVE LOGITS
の
0.58
的区别
0.57
風味
0.56
语
0.53
breath
0.52
物
0.51
相
0.50
ངས་
0.50
ਮ
0.49
の違い
0.49
Activations Density 0.002%