INDEX
    Explanations
    New Auto-Interp
    Negative Logits
     cult
    -0.08
     retrospect
    -0.08
     وتص
    -0.07
     ninja
    -0.07
     progn
    -0.07
     confr
    -0.07
     myaka
    -0.07
    afs
    -0.07
     وإ
    -0.07
     taf
    -0.07
    POSITIVE LOGITS
     encima
    0.10
     atop
    0.09
     chain
    0.09
    _chain
    0.09
    Chain
    0.09
    .chain
    0.08
     pancakes
    0.08
    0.08
    质量
    0.08
    屁股
    0.08
    Act Density 0.012%

    No Known Activations