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

    Neuronpedia

    INDEX
    Explanations

    start with basic

    np_acts-logits-general · gemini-2.5-flash-lite
    New Auto-Interp
    Negative Logits
    '
    0.27
     än
    0.24
    ۰
    0.22
    0
    0.22
    '\
    0.21
    }\
    0.21
    க்
    0.20
    ’
    0.20
     ucz
    0.19
     เข
    0.19
    POSITIVE LOGITS
    g
    0.24
     본격
    0.22
    ت
    0.22
     practicar
    0.22
    to
    0.22
    ла
    0.22
    t
    0.22
     collecting
    0.21
    les
    0.21
    ar
    0.20
    Act Density 0.139%

    No Known Activations