INDEX
    Explanations
    New Auto-Interp
    Negative Logits
     Straw
    0.54
     frå
    0.52
    اب
    0.50
    ors
    0.49
    0.49
    aden
    0.48
     gitar
    0.48
    ي
    0.48
    بعا
    0.47
    คือ
    0.47
    POSITIVE LOGITS
    SOME
    0.53
    0
    0.51
    0.50
     предоставля
    0.50
    ة
    0.50
     здравоохранения
    0.49
     জোরে
    0.48
    нский
    0.48
     कॉनक
    0.47
     மருத்துவ
    0.46
    Act Density 0.000%

    No Known Activations