INDEX
    Explanations
    New Auto-Interp
    Negative Logits
     stimuli
    0.42
     theat
    0.40
    टेट
    0.39
    0.38
    habilit
    0.38
     devise
    0.37
    cim
    0.37
     discomfort
    0.37
    OnOff
    0.36
     هایی
    0.36
    POSITIVE LOGITS
     strapping
    0.45
     strapped
    0.43
    ฝ่าย
    0.43
    তিরিক্ত
    0.41
     WHILE
    0.41
    フリー
    0.40
     கூடுதலாக
    0.39
     கிடைத்த
    0.39
     HAVING
    0.38
    twenty
    0.38
    Act Density 0.001%

    No Known Activations