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

    Neuronpedia

    INDEX
    Explanations

    end of sentence

    np_acts-logits-general · gemini-2.5-flash-lite
    New Auto-Interp
    Negative Logits
    ↵↵
    0.28
    )
    0.26
    ۔
    0.26
    。
    0.25
    ።
    0.25
    \
    0.23
    也會
    0.21
    これも
    0.21
    也会
    0.21
    ]
    0.21
    POSITIVE LOGITS
    不仅
    0.28
    它
    0.26
    क्योंकि
    0.24
    不僅
    0.22
     настолько
    0.22
     它
    0.22
    <unused540>
    0.21
    การ
    0.21
    എ
    0.21
     ஏனெ
    0.20
    Act Density 3.845%

    No Known Activations