INDEX
    Explanations
    New Auto-Interp
    Negative Logits
    0.45
    lecture
    0.40
    աս
    0.39
     manus
    0.38
     adduced
    0.38
    0.38
    0.38
    blade
    0.38
    0.37
     "'
    0.37
    POSITIVE LOGITS
     mỗi
    0.49
     everytime
    0.45
     ומ
    0.44
    0.44
     ежеднев
    0.44
     وم
    0.44
     каждым
    0.43
    ারিত
    0.43
     россия
    0.43
     Barriers
    0.42
    Act Density 0.002%

    No Known Activations