INDEX
Negative Logits
z
0.44
د
0.43
ूती
0.43
ضاف
0.42
اتی
0.41
자
0.41
us
0.40
ó
0.39
ंचे
0.39
anke
0.38
POSITIVE LOGITS
但
0.42
inoxid
0.42
ensino
0.41
}'
0.40
实验
0.39
Nesse
0.39
IDER
0.38
pă
0.38
F
0.38
па
0.36
Activations Density 0.003%
z
د
ूती
ضاف
اتی
자
us
ó
ंचे
anke
但
inoxid
ensino
}'
实验
Nesse
IDER
pă
F
па