INDEX
Negative Logits
I
0.75
жет
0.70
t
0.70
کریاں
0.68
羟
0.67
ст
0.67
와
0.66
шуда
0.65
انی
0.64
ත්
0.64
POSITIVE LOGITS
م
1.05
as
0.90
مي
0.89
wohl
0.85
OS
0.83
are
0.77
。
0.77
ع
0.77
re
0.75
ين
0.75
Activations Density 0.002%
I
жет
t
کریاں
羟
ст
와
шуда
انی
ත්
م
as
مي
wohl
OS
are
。
ع
re
ين