INDEX
    Explanations
    New Auto-Interp
    Negative Logits
     belge
    0.54
     merah
    0.52
     日本製
    0.52
     rubble
    0.51
     homage
    0.50
     jeep
    0.50
     helplessly
    0.50
     europeos
    0.50
     rojo
    0.50
    0.50
    POSITIVE LOGITS
     הה
    0.66
    the
    0.65
    الت
    0.64
     الت
    0.63
     الأ
    0.62
    الب
    0.61
     التد
    0.61
    The
    0.58
     الك
    0.58
     الج
    0.57
    Act Density 0.002%

    No Known Activations