INDEX
Negative Logits
ہ
0.58
활동
0.49
fotos
0.48
Leben
0.46
settembre
0.45
هِ
0.44
soort
0.44
Thời
0.44
Videos
0.44
Hoje
0.44
POSITIVE LOGITS
0.51
プラン
0.50
encompassing
0.47
congratulate
0.46
discouraged
0.46
<
0.45
mimicking
0.45
b
0.45
indeterminate
0.44
लापरवाही
0.43
Activations Density 0.001%