INDEX
Negative Logits
ع
1.55
ی
1.48
ای
1.46
for
1.28
s
1.26
ش
1.25
大
1.25
いる
1.23
ود
1.20
وس
1.20
POSITIVE LOGITS
an
1.38
the
1.36
נ
1.24
on
1.15
quele
1.07
ב
1.05
AN
0.99
(^^
0.99
ну
0.98
Y
0.95
Activations Density 0.010%
ع
ی
ای
for
s
ش
大
いる
ود
وس
an
the
נ
on
quele
ב
AN
(^^
ну
Y