INDEX
Negative Logits
ы
1.20
ের
1.06
s
1.05
ς
1.04
ra
1.01
3
1.01
做
1.00
ф
0.97
ور
0.96
те
0.96
POSITIVE LOGITS
you
1.08
HERE
1.07
اب
1.06
ek
1.05
دين
1.02
'
1.01
é
1.00
لي
0.99
ITCH
0.97
RA
0.96
Activations Density 0.000%
ы
ের
s
ς
ra
3
做
ф
ور
те
you
HERE
اب
ek
دين
'
é
لي
ITCH
RA