INDEX
Negative Logits
expir
-0.08
gus
-0.08
Prag
-0.07
擦
-0.07
gay
-0.07
Spa
-0.07
COPD
-0.07
spacious
-0.07
Lotus
-0.07
'annonce
-0.07
POSITIVE LOGITS
adia
0.08
dac
0.08
świat
0.07
Control
0.07
uropa
0.07
분
0.07
світ
0.07
::
0.07
Alter
0.07
_control
0.07
Activations Density 0.019%