INDEX
Negative Logits
↵
0.46
dued
0.44
given
0.42
cion
0.41
rous
0.40
cellaneous
0.40
reve
0.39
ERCIAL
0.39
身
0.39
rigu
0.38
POSITIVE LOGITS
którym
0.53
که
0.52
që
0.52
Öl
0.51
kę
0.50
ambayo
0.50
renovación
0.50
Lobkowicz
0.48
fatta
0.48
благодар
0.48
Activations Density 0.001%