INDEX
Negative Logits
Wow
-0.08
，他
-0.08
racial
-0.08
Turbo
-0.08
→
-0.07
Zie
-0.07
ρους
-0.07
Electro
-0.07
пора
-0.07
সু
-0.07
POSITIVE LOGITS
어느
0.09
수준
0.08
Frequently
0.08
aded
0.07
sche
0.07
soaked
0.07
상승
0.07
도를
0.07
等级
0.07
અસ
0.07
Activations Density 0.001%