INDEX
Negative Logits
.quant
-0.08
gelten
-0.08
Доб
-0.08
овую
-0.07
motivated
-0.07
Constituição
-0.07
Greeting
-0.07
enges
-0.07
ตาราง
-0.07
ительность
-0.07
POSITIVE LOGITS
-hop
0.08
-tier
0.08
ៗ
0.08
nd
0.08
sic
0.08
Checkpoint
0.08
BL
0.08
hok
0.08
™
0.08
हर
0.07
Activations Density 0.096%