INDEX
    Explanations
    New Auto-Interp
    Negative Logits
     censor
    -0.08
    zende
    -0.08
    Mach
    -0.08
     Lik
    -0.08
     transp
    -0.07
    قاط
    -0.07
     enten
    -0.07
     ulan
    -0.07
     naše
    -0.07
    ’re
    -0.07
    POSITIVE LOGITS
    0.08
    വി�
    0.08
    ương
    0.08
    raised
    0.07
    ọdụ
    0.07
     parameters
    0.07
     familial
    0.07
     Hillary
    0.07
    ount
    0.07
    =value
    0.07
    Act Density 0.000%

    No Known Activations