INDEX
Negative Logits
’
0.78
is
0.77
r
0.70
z
0.67
t
0.66
ir
0.64
or
0.63
Middle
0.63
'
0.62
p
0.61
POSITIVE LOGITS
내부
0.63
설치
0.61
화학
0.60
ޟ
0.59
कुर
0.58
نیست
0.58
노
0.57
عمل
0.57
ساعة
0.57
다양한
0.56
Activations Density 0.000%
’
is
r
z
t
ir
or
Middle
'
p
내부
설치
화학
ޟ
कुर
نیست
노
عمل
ساعة
다양한