INDEX
    Explanations
    New Auto-Interp
    Negative Logits
    -0.08
    бом
    -0.08
     devise
    -0.07
    дания
    -0.07
     devis
    -0.07
     بالإ
    -0.07
     admir
    -0.07
     chok
    -0.07
    gaon
    -0.07
     بب
    -0.07
    POSITIVE LOGITS
     underrated
    0.09
     wirkt
    0.08
    (data
    0.08
     dadurch
    0.07
    (text
    0.07
    もの
    0.07
     trotzdem
    0.07
    (input
    0.07
     Stoff
    0.07
    italic
    0.07
    Act Density 0.004%

    No Known Activations