INDEX
Negative Logits
`:
0.50
Routing
0.48
il
0.44
Diffraction
0.44
p
0.43
a
0.42
Signals
0.42
：
0.42
Estimation
0.40
Railroad
0.40
POSITIVE LOGITS
большинстве
0.49
அனைத்து
0.46
важное
0.45
എല്ലാ
0.44
বেশির
0.43
heterosexual
0.43
অধিকাংশই
0.43
ideology
0.43
тільки
0.43
большинство
0.43
Activations Density 0.078%