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

    Neuronpedia

    INDEX
    Explanations

    showing how to

    np_acts-logits-general · gemini-2.5-flash-lite
    New Auto-Interp
    Negative Logits
     innych
    0.27
     are
    0.24
     மக்கள்
    0.23
     unor
    0.23
     drugih
    0.23
     in
    0.22
     ಜನರು
    0.21
     insanlar
    0.21
     інших
    0.20
     பகுதிகளில்
    0.20
    POSITIVE LOGITS
     this
    0.61
     dieser
    0.50
     هذا
    0.49
     этой
    0.48
     этот
    0.48
     цього
    0.47
    this
    0.47
     these
    0.46
     эту
    0.45
    この
    0.45
    Act Density 1.761%

    No Known Activations