INDEX
Negative Logits
ா
0.95
ни
0.82
다
0.81
ček
0.81
اسرائی
0.80
اربعه
0.78
ഒരു
0.74
сон
0.74
похоже
0.74
اني
0.73
POSITIVE LOGITS
p
1.13
৭
1.09
↵
0.99
y
0.98
h
0.95
ne
0.94
ala
0.94
w
0.93
۲
0.92
al
0.91
Activations Density 0.009%
ா
ни
다
ček
اسرائی
اربعه
ഒരു
сон
похоже
اني
p
৭
↵
y
h
ne
ala
w
۲
al