INDEX
Explanations
No Explanations Found
New Auto-Interp
Negative Logits
<start_of_image>
0.82
“
0.81
villain
0.77
(“
0.76
kill
0.76
inc
0.75
sled
0.75
、“
0.75
seal
0.74
вот
0.74
POSITIVE LOGITS
Args
1.76
Returns
1.70
Parameters
1.70
Parameters
1.68
Args
1.64
参数
1.61
returns
1.51
Arguments
1.47
Parameter
1.44
Params
1.44
Activations Density 1.123%