INDEX
Negative Logits
dy
-0.08
Fran
-0.07
pile
-0.07
ila
-0.07
Girona
-0.07
Kr
-0.07
dib
-0.07
pod
-0.07
gover
-0.07
ar
-0.07
POSITIVE LOGITS
cement
0.08
rivers
0.08
Holy
0.07
'.$
0.07
egg
0.07
Holy
0.07
海
0.07
she
0.07
iron
0.07
青
0.07
Activations Density 0.001%