INDEX
Negative Logits
ем
-0.08
Horizons
-0.08
utrients
-0.08
Ltd
-0.08
Eric
-0.08
эм
-0.08
muş
-0.08
لک
-0.08
álu
-0.08
aktiv
-0.07
POSITIVE LOGITS
disparity
0.11
disparities
0.10
unequal
0.10
verschil
0.09
absoluta
0.09
rozd
0.09
difference
0.09
hierarchical
0.08
favors
0.08
favorit
0.08
Activations Density 0.099%