INDEX
    Explanations
    New Auto-Interp
    Negative Logits
     ett
    1.20
    一个
    0.94
     Ett
    0.92
    三個
    0.90
    兩個
    0.85
    一個
    0.83
    第二个
    0.82
    三个
    0.81
     два
    0.80
    第一个
    0.79
    POSITIVE LOGITS
     una
    1.89
     uma
    1.81
     Una
    1.77
    Una
    1.75
    Uma
    1.55
     Uma
    1.50
     Eine
    1.48
     eine
    1.46
     une
    1.45
    una
    1.43
    Act Density 0.001%

    No Known Activations