INDEX
    Explanations
    New Auto-Interp
    Negative Logits
    YLE
    -0.09
     değil
    -0.09
     yaptı
    -0.08
    stijl
    -0.08
     STILL
    -0.08
     élégant
    -0.08
     چیست
    -0.08
     mingle
    -0.08
     özellik
    -0.08
     videoer
    -0.08
    POSITIVE LOGITS
    大家
    0.08
    0.08
    0.08
    消费者
    0.08
    0.08
    _ep
    0.07
    党的
    0.07
    现场
    0.07
    0.07
    广大
    0.07
    Act Density 0.016%

    No Known Activations