INDEX
    Explanations
    New Auto-Interp
    Negative Logits
     प्रशासनिक
    0.47
    spiracy
    0.43
    питан
    0.42
    نګ
    0.42
    कप्तान
    0.41
    autorité
    0.40
    0.40
     воспомина
    0.40
     ताजा
    0.39
    晚餐
    0.39
    POSITIVE LOGITS
     function
    1.87
     functions
    1.75
    函数
    1.70
     함수
    1.66
    関数
    1.65
     Functions
    1.59
    函數
    1.57
    function
    1.56
     Function
    1.56
     Funktion
    1.55
    Act Density 0.043%

    No Known Activations