INDEX
    Explanations
    New Auto-Interp
    Negative Logits
     adalah
    0.51
     দিলাম
    0.50
    gave
    0.49
     হলেন
    0.49
    took
    0.48
    became
    0.47
     became
    0.47
    これは
    0.46
    などは
    0.45
     увидел
    0.44
    POSITIVE LOGITS
     был
    0.82
     была
    0.82
     was
    0.80
    Was
    0.80
     было
    0.79
     Was
    0.74
     были
    0.74
     був
    0.73
     була
    0.70
     היה
    0.70
    Act Density 0.013%

    No Known Activations