INDEX

Explanations

instruction-following

New Auto-Interp

Configuration

Prompts (Dashboard)

238,145 prompts, 512 tokens each

Dataset (Dashboard)

lmsys + oasst1

Embeds

IFrame

Link

Not in Any Lists

No Comments

Negative Logits

 pirates

0.23

 pirate

0.22

xima

0.22

 responsible

0.22

}{

0.22

».

0.22

‫

0.21

»).

0.21

»)

0.21

 Pirates

0.20

POSITIVE LOGITS

 नित

0.25

罍

0.24

 każde

0.22

対流

0.22

 drzew

0.22

िसोदिया

0.21

冕

0.21

Witam

0.21

मिस्ट्री

0.20

ນິກ

0.20

Activations Density 0.000%