INDEX
    Explanations
    New Auto-Interp
    Negative Logits
    989
    -0.09
    991
    -0.08
     annex
    -0.08
    _metrics
    -0.08
    _turn
    -0.07
    915
    -0.07
     interviewed
    -0.07
     bénéfici
    -0.07
     cancelled
    -0.07
    -sk
    -0.07
    POSITIVE LOGITS
    ,即
    0.09
     LI
    0.09
     یعنی
    0.08
     yaitu
    0.08
    TI
    0.08
     lam
    0.07
     dotycz
    0.07
    ,而且
    0.07
     NA
    0.07
    ,用
    0.07
    Act Density 0.011%

    No Known Activations