INDEX
Negative Logits
data
0.24
data
0.24
simplified
0.23
化
0.22
データの
0.22
basic
0.21
making
0.21
disconnect
0.21
iteratively
0.21
数据
0.20
POSITIVE LOGITS
someone
0.38
seseorang
0.38
একজন
0.37
whoever
0.36
alguien
0.36
anyone
0.34
iemand
0.33
alguém
0.33
jemand
0.32
him
0.31
Activations Density 0.118%