INDEX
    Explanations
    New Auto-Interp
    Negative Logits
     чтобы
    0.49
     щоб
    0.46
     જેથી
    0.44
     чтоб
    0.44
    herst
    0.43
     대신
    0.43
    Чтобы
    0.43
    য়োজনীয়
    0.42
     instead
    0.42
    merken
    0.41
    POSITIVE LOGITS
     cuando
    0.64
     عندما
    0.61
     when
    0.60
    when
    0.59
     quando
    0.58
     Properly
    0.55
     properly
    0.53
     certain
    0.52
     когда
    0.52
     když
    0.52
    Act Density 0.199%

    No Known Activations