INDEX
Negative Logits
r
0.33
been
0.29
is
0.28
o
0.28
chalk
0.27
е
0.27
ed
0.27
on
0.27
id
0.27
ir
0.27
POSITIVE LOGITS
Ā
0.28
челове
0.28
Melanes
0.28
принцип
0.27
മനുഷ്യ
0.26
Nā
0.26
Με
0.26
<unused689>
0.26
पेशेवर
0.26
Kek
0.26
Activations Density 0.003%