INDEX

Explanations

exploring problematic interests or worldviews

New Auto-Interp

Configuration

Prompts (Dashboard)

238,145 prompts, 512 tokens each

Dataset (Dashboard)

lmsys + oasst1

Embeds

IFrame

Link

Not in Any Lists

No Comments

Negative Logits

0.38

 Jiménez

0.38

↵↵↵↵↵↵↵↵↵↵↵↵↵↵↵↵↵↵↵↵

0.37

 Pache

0.37

洳

0.36

 Lembrando

0.35

전

0.35

↵↵↵↵↵↵↵↵↵↵↵↵↵↵↵↵↵↵↵↵↵

0.35

 തന്നെയാണ്

0.35

ऊ

0.34

POSITIVE LOGITS

 whereas

0.55

でしたが

0.54

 ดังนั้น

0.50

whereas

0.50

 இந்நிலையில்

0.49

 Nhưng

0.48

இந்நிலையில்

0.46

而在

0.46

 Whereas

0.44

但是在

0.43

Activations Density 0.310%