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

    Neuronpedia

    INDEX
    Explanations

    instead or before

    np_acts-logits-general · gemini-2.5-flash-lite
    New Auto-Interp
    Negative Logits
    总
    0.40
    孙
    0.39
    数学
    0.39
    任务
    0.39
    永远
    0.38
    始终
    0.37
    函数
    0.37
    医药
    0.37
    当我们
    0.37
     মানবিক
    0.36
    POSITIVE LOGITS
    instead
    0.75
     instead
    0.70
     statt
    0.65
    Instead
    0.59
     invece
    0.57
     вместо
    0.57
     malah
    0.56
     Instead
    0.55
    rather
    0.55
     plutôt
    0.50
    Act Density 0.001%

    No Known Activations