INDEX
    Explanations
    New Auto-Interp
    Negative Logits
     algum
    0.38
     onus
    0.36
     ello
    0.36
    0.35
     Hombre
    0.35
     estuvo
    0.35
     correto
    0.35
     Implications
    0.35
     каких
    0.34
     якого
    0.34
    POSITIVE LOGITS
     sportive
    0.38
    fier
    0.37
     чёр
    0.37
    pleClass
    0.36
     duż
    0.36
    cią
    0.35
     svart
    0.35
     nightly
    0.35
     schwarz
    0.35
     カスタ
    0.34
    Act Density 0.031%

    No Known Activations