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

    Neuronpedia

    INDEX
    Explanations

    code blocks and lists

    np_acts-logits-general · gemini-2.5-flash-lite
    New Auto-Interp
    Negative Logits
     thefe
    0.35
    تبط
    0.30
    مل
    0.29
    ലു
    0.29
    絕
    0.29
    اونلو
    0.28
     lern
    0.28
    olids
    0.27
    リュー
    0.27
    मध
    0.26
    POSITIVE LOGITS
    之类的
    0.43
    ",
    0.35
    (.*
    0.32
    ".
    0.31
    ᴵ
    0.31
     ←
    0.31
     എന്ന്
    0.29
    名稱
    0.29
    (...)
    0.29
     जैसा
    0.29
    Act Density 0.075%

    No Known Activations