INDEX
    Explanations
    New Auto-Interp
    Negative Logits
     incr
    -0.09
     recurse
    -0.08
    leen
    -0.07
     admits
    -0.07
     admit
    -0.07
    ssystem
    -0.07
     steward
    -0.07
     weaken
    -0.07
    .Go
    -0.07
    áv
    -0.07
    POSITIVE LOGITS
    0.10
    0.10
     hues
    0.10
    0.10
    -lit
    0.09
     રંગ
    0.09
     faux
    0.09
     carn
    0.09
    farben
    0.09
     നിറ
    0.09
    Act Density 0.003%

    No Known Activations