INDEX
    Explanations
    New Auto-Interp
    Negative Logits
     overruled
    0.44
    Laugh
    0.42
    кновен
    0.41
     rein
    0.40
    0.40
    Penny
    0.40
    lamps
    0.40
    Piano
    0.39
     गाँ
    0.38
    surprise
    0.38
    POSITIVE LOGITS
     após
    0.55
     після
    0.55
     Após
    0.53
     เนื่องจาก
    0.52
    یک
    0.51
     после
    0.51
     internos
    0.50
     setelah
    0.49
     إذا
    0.49
     جدید
    0.49
    Act Density 0.003%

    No Known Activations