INDEX
    Explanations
    New Auto-Interp
    Negative Logits
    有两种
    0.50
    Both
    0.48
     beiden
    0.45
     kedua
    0.44
     দুজনের
    0.40
     Both
    0.39
     Kedua
    0.38
     consisting
    0.38
     beide
    0.38
    毕竟
    0.37
    POSITIVE LOGITS
     كلها
    1.55
     সবই
    1.54
     allemaal
    1.52
     모두
    1.47
     semuanya
    1.47
    すべて
    1.38
     전부
    1.34
    这一切
    1.32
     tất
    1.30
     all
    1.27
    Act Density 0.026%

    No Known Activations