INDEX
Negative Logits
eig
-0.10
LEG
-0.08
ஏ
-0.08
bent
-0.07
lean
-0.07
сө
-0.07
τρέ
-0.07
menj
-0.07
duced
-0.07
ुत
-0.07
POSITIVE LOGITS
kisses
0.10
吻
0.09
goodbye
0.08
premio
0.08
forehead
0.08
kissed
0.08
美元
0.08
Dawn
0.07
quente
0.07
thử
0.07
Activations Density 0.005%