INDEX
    Explanations

    explaining concepts and characteristics

    New Auto-Interp
    Negative Logits
    право
    0.47
    x
    0.46
    мера
    0.45
    в
    0.45
    retain
    0.44
    шев
    0.44
    гали
    0.43
    きた
    0.43
    ные
    0.43
    vans
    0.42
    POSITIVE LOGITS
     クラ
    0.47
     しかし
    0.47
    0.47
     ファイル
    0.46
     fal
    0.46
    0.46
     effektiv
    0.45
     ゲーム
    0.45
     oeuvre
    0.45
     sumptuous
    0.45
    Act Density 0.002%

    No Known Activations