INDEX
Negative Logits
glandular
0.52
gland
0.51
gobl
0.50
prost
0.49
видел
0.47
horizonte
0.47
assistants
0.47
cicat
0.47
bombs
0.46
divisive
0.46
POSITIVE LOGITS
n
0.73
il
0.70
ir
0.56
ar
0.51
ac
0.51
sekten
0.51
i
0.50
er
0.49
ن
0.49
al
0.48
Activations Density 0.000%