INDEX
Negative Logits
<unused2164>
0.26
<unused1823>
0.26
'.
0.25
<unused313>
0.25
<unused2155>
0.25
<unused933>
0.24
<unused484>
0.24
الهمزه
0.23
<unused415>
0.23
이러한
0.23
POSITIVE LOGITS
-
0.28
_
0.25
T
0.24
baru
0.23
j
0.22
ov
0.22
tangan
0.22
Tube
0.22
mới
0.22
tôi
0.21
Activations Density 0.221%