INDEX
    Explanations
    New Auto-Interp
    Negative Logits
     മനസ
    0.52
    全新的
    0.49
     Knit
    0.49
    全新
    0.46
     hardworking
    0.45
     quiero
    0.44
     ஹைட்
    0.43
     hiszen
    0.43
     දැන්
    0.43
     ব্যবহারে
    0.43
    POSITIVE LOGITS
     Wikipedia
    0.83
    Wikipedia
    0.81
     Wikimedia
    0.69
     wikipedia
    0.64
     Vikipedi
    0.64
    disamb
    0.64
     disamb
    0.64
    Wikimedia
    0.61
    Wiki
    0.60
    ː
    0.59
    Act Density 0.071%

    No Known Activations