INDEX
Negative Logits
1
0.59
Пример
0.55
सामान्य
0.53
means
0.52
ोड
0.52
barg
0.52
Fg
0.52
அதே
0.51
ry
0.50
gt
0.50
POSITIVE LOGITS
erler
0.62
langage
0.59
};
0.55
moeilijk
0.55
諰
0.54
linguaggio
0.52
人們
0.51
逹
0.51
难以
0.50
搆
0.49
Activations Density 0.001%