INDEX
    Explanations
    New Auto-Interp
    Negative Logits
    amiut
    -0.08
    ితే
    -0.08
     yakni
    -0.08
     BUT
    -0.08
     yaitu
    -0.07
     ті
    -0.07
     मतलब
    -0.07
     Churchill
    -0.07
    -Jan
    -0.07
    stander
    -0.07
    POSITIVE LOGITS
    0.08
     أمام
    0.08
    其中
    0.08
    0.08
     cael
    0.07
    986
    0.07
     từng
    0.07
     sharply
    0.07
     dull
    0.07
    тис
    0.07
    Act Density 0.053%

    No Known Activations