INDEX
    Explanations
    New Auto-Interp
    Negative Logits
    是个
    0.75
    这是一个
    0.75
     любить
    0.73
     যেকোনো
    0.72
     yaptı
    0.71
    と考えて
    0.71
     କରି
    0.71
     બનાવે
    0.70
     svom
    0.70
    是一個
    0.70
    POSITIVE LOGITS
    3.36
     được
    2.95
    2.93
    就被
    2.81
     worden
    2.76
    会被
    2.75
    ถูก
    2.68
    都被
    2.57
     wordt
    2.50
     wurden
    2.40
    Act Density 1.255%

    No Known Activations