INDEX
    Explanations

    derivatives

    New Auto-Interp
    Negative Logits
    tara
    -0.08
     hum
    -0.08
    Put
    -0.08
    idr
    -0.07
     imitation
    -0.07
    NERS
    -0.07
    ukk
    -0.07
     Lum
    -0.07
    ær
    -0.07
    75
    -0.07
    POSITIVE LOGITS
     Elise
    0.08
     действия
    0.08
     bezahlt
    0.08
     bolsillo
    0.07
    ivatives
    0.07
     gemaakte
    0.07
     RECEIVE
    0.07
     tätig
    0.07
    ->____
    0.07
    aho
    0.07
    Act Density 0.006%

    No Known Activations