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

    Neuronpedia

    INDEX
    Explanations

    shapes and comparisons

    np_acts-logits-general · gemini-2.5-flash-lite
    New Auto-Interp
    Negative Logits
     劉
    0.69
    蟶
    0.61
     張
    0.59
     陳
    0.58
    閱讀
    0.58
     資
    0.58
    駝
    0.57
    鄧
    0.56
     銀
    0.55
    賈
    0.55
    POSITIVE LOGITS
    具有
    0.56
    所
    0.52
    被
    0.49
    相同
    0.46
    的
    0.45
    所有
    0.45
    AND
    0.42
    平均
    0.41
     essere
    0.41
    或
    0.40
    Act Density 0.017%

    No Known Activations