INDEX
Negative Logits
kurt
-0.09
Zent
-0.08
gın
-0.08
Kick
-0.08
Played
-0.07
lust
-0.07
Herr
-0.07
EOF
-0.07
Anton
-0.07
Ha
-0.07
POSITIVE LOGITS
措
0.10
甜
0.08
陷
0.08
над
0.08
经过
0.08
сир
0.08
遣
0.08
丁
0.08
方案
0.08
Rc
0.07
Activations Density 0.010%