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

    Neuronpedia

    INDEX
    Explanations

    code explanations and definitions

    np_acts-logits-general · gemini-2.5-flash-lite
    New Auto-Interp
    Negative Logits
    正確
    0.40
     connues
    0.38
    Applic
    0.38
    ถูกต้อง
    0.38
     voraus
    0.38
     ശേഷ
    0.37
     Voraus
    0.35
     înainte
    0.35
     உண்டு
    0.35
    اعدة
    0.35
    POSITIVE LOGITS
     मैंने
    1.23
    ここでは
    1.08
    今回は
    1.06
     हमने
    1.03
    मैंने
    1.03
     here
    1.01
     저는
    1.01
     ours
    0.96
     aquí
    0.90
    这里
    0.90
    Act Density 0.010%

    No Known Activations