INDEX
    Explanations
    New Auto-Interp
    Negative Logits
     respuestas
    0.44
     answering
    0.43
     puisi
    0.42
     menjawab
    0.42
     translations
    0.41
     kaikki
    0.41
     poetry
    0.41
     جائز
    0.41
    ละคร
    0.41
     semua
    0.41
    POSITIVE LOGITS
     text
    0.86
     текста
    0.83
    text
    0.82
    文本
    0.78
    Text
    0.75
     texts
    0.73
     texte
    0.73
     текст
    0.73
     texto
    0.71
     textes
    0.69
    Act Density 0.016%

    No Known Activations