INDEX
Negative Logits
Tal
-0.08
854
-0.08
-0.07
<|endoftext|>
-0.07
ulag
-0.07
Dl
-0.07
Defined
-0.07
Cl
-0.07
Tal
-0.07
841
-0.07
POSITIVE LOGITS
henni
0.08
وارع
0.08
వ
0.08
ვამ
0.08
ħħar
0.08
րման
0.08
ähli
0.08
త్య
0.07
swes
0.07
害
0.07
Activations Density 0.144%