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

    Neuronpedia

    INDEX
    Explanations

    to give or help

    np_acts-logits-general · gemini-2.5-flash-lite
    New Auto-Interp
    Negative Logits
     λοι
    0.24
    憊
    0.24
    स
    0.23
    Waypoint
    0.23
    ครื่อง
    0.22
     situazioni
    0.22
    𝜌
    0.22
    ваме
    0.21
     "-",
    0.21
    があります
    0.21
    POSITIVE LOGITS
    éb
    0.27
    og
    0.26
     mengatakan
    0.24
    ich
    0.24
    ead
    0.23
    ut
    0.23
    ockeys
    0.23
    TE
    0.23
    ensen
    0.22
    eken
    0.22
    Act Density 0.067%

    No Known Activations