INDEX
    Explanations
    New Auto-Interp
    Negative Logits
     tyrannical
    0.66
     функції
    0.61
     أعمال
    0.57
     програм
    0.57
     функцию
    0.57
     පිළ
    0.57
     zeroth
    0.57
     пат
    0.55
     harán
    0.55
    ுள்ளார்
    0.55
    POSITIVE LOGITS
    In
    0.61
    Syn
    0.60
    History
    0.60
    Ре
    0.56
    Се
    0.56
    История
    0.55
    pg
    0.54
    Time
    0.54
    Ed
    0.54
    Fin
    0.53
    Act Density 0.005%

    No Known Activations