Neuronpedia logo - a computer chip with a rounded viewfinder border around it

    Neuronpedia

    INDEX
    Explanations

    and or or

    np_acts-logits-general · gemini-2.5-flash-lite
    New Auto-Interp
    Negative Logits
    会有
    0.17
    でもある
    0.16
    ুন
    0.15
    很有
    0.15
     attacked
    0.15
     breakpoint
    0.14
     doesn
    0.14
     parametrized
    0.14
    ையால்
    0.14
    イメージ
    0.14
    POSITIVE LOGITS
     respectiv
    0.21
     sebagainya
    0.18
     якія
    0.17
     illetve
    0.16
     अन्य
    0.16
    amp
    0.16
     ఇతర
    0.15
     maupun
    0.15
     benzer
    0.15
    and
    0.15
    Act Density 0.619%

    No Known Activations