INDEX
Negative Logits
ید
0.71
ным
0.70
ні
0.69
۰
0.64
isierung
0.61
۔
0.61
ling
0.58
has
0.57
ında
0.57
morning
0.56
POSITIVE LOGITS
:
0.87
𝙉
0.70
𝙄
0.69
助于
0.68
,
0.68
К
0.68
،
0.67
Jw
0.65
que
0.64
၊
0.64
Activations Density 0.033%
ید
ным
ні
۰
isierung
۔
ling
has
ında
morning
:
𝙉
𝙄
助于
,
К
،
Jw
que
၊