INDEX
Negative Logits
ה
0.98
ת
0.87
ه
0.83
ל
0.81
க
0.81
s
0.80
א
0.77
ים
0.71
ក
0.69
ك
0.66
POSITIVE LOGITS
Polo
0.95
polo
0.86
polo
0.80
you
0.73
polos
0.72
is
0.64
meric
0.64
آنا
0.61
chevaux
0.60
</b>
0.59
Activations Density 0.001%
ה
ת
ه
ל
க
s
א
ים
ក
ك
Polo
polo
polo
you
polos
is
meric
آنا
chevaux
</b>