INDEX
    Explanations
    New Auto-Interp
    Negative Logits
    онів
    0.40
     specific
    0.40
     chun
    0.39
     peaceful
    0.39
    قليم
    0.38
     chopper
    0.38
     SPEC
    0.37
     technological
    0.37
     fruits
    0.36
    SPEC
    0.36
    POSITIVE LOGITS
     வெளியே
    0.52
     keluar
    0.51
     выйти
    0.48
    起身
    0.48
     dậy
    0.47
    离开了
    0.47
     выход
    0.47
    ออกจาก
    0.46
     вышла
    0.46
    离开
    0.45
    Act Density 0.037%

    No Known Activations