Neuronpedia logo - a computer chip with a rounded viewfinder border around it

    Neuronpedia

    INDEX
    Explanations

    what people do

    np_acts-logits-general · gemini-2.5-flash-lite
    New Auto-Interp
    Negative Logits
    ↵↵
    0.27
    ↵
    0.25
    0.23
    .
    0.23
     a
    0.23
    ):
    0.23
     Contains
    0.22
    ))
    0.22
    ：
    0.22
    data
    0.22
    POSITIVE LOGITS
     ktorí
    0.27
     bedrijven
    0.26
     którzy
    0.23
     racionais
    0.23
    <unused1071>
    0.22
     tejto
    0.22
     giovani
    0.22
     berharap
    0.22
     rechercher
    0.22
     tercih
    0.21
    Act Density 0.447%

    No Known Activations