INDEX
    Explanations
    New Auto-Interp
    Negative Logits
    0.42
    後に
    0.37
    0.37
    ließlich
    0.37
     आखिरकार
    0.36
    வையாக
    0.36
    ोजक
    0.36
    随后
    0.35
    ित्य
    0.35
     গম্ভীর
    0.35
    POSITIVE LOGITS
     initial
    1.21
     initially
    1.16
     Initially
    1.04
     Initial
    1.00
    前期
    0.98
     initiale
    0.98
    initial
    0.97
    初期
    0.97
    Initial
    0.96
     inital
    0.96
    Act Density 0.219%

    No Known Activations