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

    Neuronpedia

    INDEX
    Explanations

    identifies prohibited actions

    np_acts-logits-general · gemini-2.5-flash-lite
    New Auto-Interp
    Negative Logits
     هذا
    0.61
     this
    0.54
    這個
    0.52
    This
    0.49
     لهذا
    0.48
    この
    0.48
     tomto
    0.48
     tämä
    0.47
     этого
    0.47
     यह
    0.47
    POSITIVE LOGITS
     famed
    0.38
    ловать
    0.38
    ките
    0.36
     همچنین
    0.35
    ⺀
    0.35
    చ్
    0.34
    <0xB2>
    0.34
     glor
    0.34
     environs
    0.34
     досто
    0.34
    Act Density 0.081%

    No Known Activations