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

    Neuronpedia

    INDEX
    Explanations

    foreign language words

    np_acts-logits-general · gemini-2.5-flash-lite
    New Auto-Interp
    Negative Logits
    /
    0.24
    bl
    0.19
    ower
    0.19
    _
    0.18
    •
    0.18
    w
    0.18
    ・
    0.18
    iro
    0.18
    ὴν
    0.18
    മ്മ
    0.17
    POSITIVE LOGITS
    에서도
    0.23
     atthakath
    0.21
     från
    0.21
    hiddenMap
    0.21
     privind
    0.21
    ትክል
    0.21
     konfl
    0.21
     legjob
    0.21
     derivadas
    0.20
     répartition
    0.20
    Act Density 0.163%

    No Known Activations