INDEX
    Explanations
    New Auto-Interp
    Negative Logits
     yourselves
    0.84
    她们
    0.83
     करेंगी
    0.70
    0.65
     deren
    0.65
    它们的
    0.65
     इनके
    0.61
    yourself
    0.59
     தெரிவித்தனர்
    0.57
     deles
    0.56
    POSITIVE LOGITS
     his
    3.50
    他的
    3.14
     그의
    3.14
     его
    3.09
     jego
    2.97
    his
    2.89
     hänen
    2.84
     เขา
    2.69
     그는
    2.69
    彼の
    2.69
    Act Density 0.112%

    No Known Activations