INDEX
    Explanations
    New Auto-Interp
    Negative Logits
    Ј
    -0.08
    -0.08
    Fore
    -0.08
    **/↵↵
    -0.08
    је
    -0.08
    јед
    -0.07
    >tagger
    -0.07
    ingen
    -0.07
    984
    -0.07
    uebles
    -0.07
    POSITIVE LOGITS
     ziz
    0.08
     passionate
    0.08
     zim
    0.08
     accuse
    0.07
    0.07
     gez
    0.07
    oria
    0.07
    uited
    0.07
     مناسب
    0.07
     لاز
    0.07
    Act Density 0.000%

    No Known Activations