INDEX
    Explanations

    reasons and causes

    New Auto-Interp
    Negative Logits
    ük
    -0.09
     propres
    -0.09
     propias
    -0.09
    akc
    -0.08
    encies
    -0.08
     propios
    -0.08
    صی
    -0.08
     propio
    -0.08
     Zap
    -0.08
     прем
    -0.07
    POSITIVE LOGITS
     reasons
    0.19
    原因
    0.17
     why
    0.17
     alasan
    0.16
     ಕಾರಣ
    0.16
     वजह
    0.16
    Reasons
    0.16
     warum
    0.16
     이유
    0.16
     কারণ
    0.16
    Act Density 0.048%

    No Known Activations