INDEX

Explanations

first instance or step

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

щину

0.25

 Riccardo

0.25

ದ್ದು

0.25

事前に

0.24

MakeRange

0.24

 भ्र

0.24

 скульп

0.24

 Montserrat

0.24

媝

0.24

 huit

0.22

POSITIVE LOGITS

 شاه

0.24

 joke

0.24

icher

0.23

—

0.22

मैं

0.22

েজ

0.22

 Journal

0.22

 distress

0.22

ストレス

0.22

Activations Density 0.002%