INDEX
    Explanations
    New Auto-Interp
    Negative Logits
     אַ
    0.37
     však
    0.34
    Ú
    0.34
    }$-(
    0.33
     вопроса
    0.32
     impermeable
    0.32
     porém
    0.32
    اسم
    0.31
    ÈRE
    0.31
    ROWS
    0.31
    POSITIVE LOGITS
    以及
    0.42
     तसेच
    0.40
     以及
    0.39
     oraz
    0.39
     Additionally
    0.38
     separately
    0.38
     نیز
    0.37
    また
    0.37
     Ayrıca
    0.36
     وكذلك
    0.36
    Act Density 0.118%

    No Known Activations