INDEX
    Explanations
    New Auto-Interp
    Negative Logits
    0.73
    ূন
    0.64
    されて
    0.62
     udziel
    0.61
    മായി
    0.60
    ֜
    0.59
    Dil
    0.59
    ਾਮ
    0.58
     раз
    0.58
    中的
    0.58
    POSITIVE LOGITS
    另一方面
    2.17
     on
    1.59
    दूसरी
    1.57
     On
    1.52
     Conversely
    1.51
    অন্যদিকে
    1.49
     অন্যদিকে
    1.46
    Conversely
    1.43
    On
    1.42
     दूसरी
    1.41
    Act Density 0.022%

    No Known Activations