INDEX
Negative Logits
6
0.68
5
0.62
7
0.53
9
0.52
ל
0.50
ک
0.47
8
0.46
3
0.44
تي
0.43
יש
0.43
POSITIVE LOGITS
o
0.48
色的
0.40
ot
0.40
siang
0.39
ｏ
0.39
𝙤
0.38
σαν
0.37
ο
0.37
oit
0.35
釷
0.35
Activations Density 1.302%
6
5
7
9
ל
ک
8
3
تي
יש
o
色的
ot
siang
ｏ
𝙤
σαν
ο
oit
釷