INDEX
Negative Logits
trivia
0.28
Utd
0.27
sky
0.27
gavel
0.27
spel
0.26
atsch
0.26
ehle
0.26
rhetoric
0.26
notion
0.25
ofsky
0.25
POSITIVE LOGITS
體
0.27
Пер
0.26
قد
0.26
هن
0.26
ಎಂದ
0.26
接
0.26
стане
0.25
கைது
0.25
親
0.25
З
0.24
Activations Density 0.279%