INDEX
Negative Logits
flushing
-0.08
цем
-0.08
люд
-0.07
transporting
-0.07
TRANS
-0.07
coke
-0.07
ಒಳ
-0.07
-0.07
erheb
-0.07
():↵↵
-0.07
POSITIVE LOGITS
大陆
0.09
Phy
0.08
Pho
0.08
enseñ
0.08
gifted
0.07
rax
0.07
Moon
0.07
sadd
0.07
يق
0.07
moon
0.07
Activations Density 0.004%