INDEX
    Explanations
    New Auto-Interp
    Negative Logits
     sincere
    -0.07
     Disco
    -0.07
    érons
    -0.07
    -0.07
     bijvoorbeeld
    -0.07
    어나
    -0.07
    एका
    -0.07
    -за
    -0.07
    ocl
    -0.07
     creamy
    -0.07
    POSITIVE LOGITS
     lainnya
    0.11
    その他
    0.10
     sonst
    0.09
     অন্যান্য
    0.08
     violence
    0.08
     muuten
    0.08
     kul
    0.08
     אחרת
    0.08
     その他
    0.07
     HAV
    0.07
    Act Density 0.394%

    No Known Activations