INDEX
    Explanations
    New Auto-Interp
    Negative Logits
     wünschen
    0.52
     бажа
    0.52
     Wishes
    0.51
     désir
    0.49
     Requests
    0.49
     wished
    0.48
    为了
    0.47
     gewüns
    0.47
     wishes
    0.46
     préférences
    0.46
    POSITIVE LOGITS
     let
    0.50
     этих
    0.42
     これは
    0.41
    這些
    0.41
    রাজ
    0.40
     這個
    0.40
     разобраться
    0.40
    这些
    0.40
    这是一个
    0.39
    ッピング
    0.39
    Act Density 0.000%

    No Known Activations