INDEX
    Explanations
    New Auto-Interp
    Negative Logits
     тільки
    0.64
     only
    0.63
     nicht
    0.59
     tylko
    0.59
     फक्त
    0.58
     ekki
    0.58
     только
    0.58
     neither
    0.57
     not
    0.57
     endast
    0.57
    POSITIVE LOGITS
     also
    1.02
     också
    0.95
     también
    0.95
     גם
    0.93
    also
    0.90
     myös
    0.89
     også
    0.89
     juga
    0.88
     также
    0.88
     aussi
    0.87
    Act Density 0.175%

    No Known Activations