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

    Neuronpedia

    INDEX
    Explanations

    risks and concerns

    np_acts-logits-general · gemini-2.5-flash-lite
    New Auto-Interp
    Negative Logits
     truly
    0.30
    чку
    0.30
     можна
    0.29
     ফলে
    0.29
    hlen
    0.29
     vera
    0.29
    APER
    0.29
     ispod
    0.28
     "))
    0.28
    することで
    0.28
    POSITIVE LOGITS
    以及
    0.36
    및
    0.35
    ސް
    0.33
     તથા
    0.33
    ութ
    0.33
    دي
    0.32
    และ
    0.32
    Plus
    0.32
     oraz
    0.32
     প্রার্থ
    0.31
    Act Density 0.326%

    No Known Activations