INDEX
Negative Logits
y
0.55
empire
0.51
lo
0.51
n
0.50
indigo
0.49
companionship
0.49
o
0.48
bring
0.48
beech
0.48
z
0.48
POSITIVE LOGITS
К
0.59
л
0.55
т
0.52
Guidelines
0.51
Kết
0.50
Deux
0.49
compliant
0.48
برای
0.48
те
0.48
विरो
0.48
Activations Density 0.157%