INDEX
Negative Logits
arenas
-0.09
Clayton
-0.08
/hr
-0.08
Rost
-0.07
cole
-0.07
-0.07
inj
-0.07
reun
-0.07
Proced
-0.07
�
-0.07
POSITIVE LOGITS
-most
0.08
hidden
0.08
zeros
0.08
skepticism
0.08
Hidden
0.08
paar
0.08
வை
0.08
virg
0.07
Zeros
0.07
-hidden
0.07
Activations Density 0.003%