INDEX
    Explanations
    New Auto-Interp
    Negative Logits
    yyət
    -0.09
    zept
    -0.09
    local
    -0.08
    gi
    -0.08
     violently
    -0.08
    gn
    -0.07
    asch
    -0.07
    asque
    -0.07
    angel
    -0.07
    yek
    -0.07
    POSITIVE LOGITS
     спортив
    0.09
     нес
    0.09
     Hyundai
    0.08
     француз
    0.08
     слыш
    0.08
    онад
    0.08
     yks
    0.08
     backups
    0.08
     sneakers
    0.08
     вам
    0.08
    Act Density 0.003%

    No Known Activations