INDEX
    Explanations
    New Auto-Interp
    Negative Logits
    KR
    -0.09
     KR
    -0.08
     לז
    -0.08
     Koe
    -0.08
    dır
    -0.08
    Beans
    -0.08
    urdy
    -0.08
    ellaan
    -0.07
    lıq
    -0.07
     hisob
    -0.07
    POSITIVE LOGITS
     विन
    0.10
    0.09
     aumento
    0.09
     वाढ
    0.08
    变化
    0.08
    0.08
     बदल
    0.08
    -rise
    0.08
     increased
    0.08
    हान
    0.08
    Act Density 0.002%

    No Known Activations