INDEX
Negative Logits
涵
-0.09
portada
-0.09
भो
-0.09
भो
-0.08
,ll
-0.07
kura
-0.07
kuko
-0.07
stagn
-0.07
ाभ
-0.07
Havana
-0.07
POSITIVE LOGITS
récomp
0.10
Reward
0.09
rewards
0.09
.reward
0.09
reward
0.08
Wort
0.08
Rewards
0.08
Reward
0.08
देकर
0.08
доз
0.08
Activations Density 0.008%