INDEX
Negative Logits
HER
-0.09
herit
-0.08
SEARCH
-0.08
TERM
-0.08
#SBATCH
-0.08
ೇಹ
-0.08
छ
-0.08
подвер
-0.07
AGON
-0.07
zić
-0.07
POSITIVE LOGITS
答案
0.12
optimum
0.12
correcta
0.11
correta
0.11
正确
0.11
(correct
0.10
optimal
0.10
optimal
0.10
.correct
0.09
correcte
0.09
Activations Density 0.050%