INDEX
    Explanations
    New Auto-Interp
    Negative Logits
     honom
    0.71
    私の
    0.70
     mógł
    0.68
     असेल
    0.67
     Them
    0.66
    0.65
    さり
    0.64
    0.63
    என்
    0.62
    луйста
    0.61
    POSITIVE LOGITS
     we
    6.76
     chúng
    5.47
     мы
    5.44
    我们
    5.16
    我們
    5.07
     আমরা
    5.05
     우리는
    4.97
    we
    4.94
    We
    4.86
     We
    4.83
    Act Density 1.073%

    No Known Activations