INDEX
Negative Logits
是多少
-0.08
रखना
-0.08
�
-0.08
premio
-0.08
해야
-0.08
المث
-0.08
하는
-0.07
ใหม่
-0.07
�
-0.07
ätzen
-0.07
POSITIVE LOGITS
worse
0.13
awful
0.12
Worse
0.12
негатив
0.11
wors
0.11
negativ
0.10
horrible
0.10
terrible
0.10
ухуд
0.10
peor
0.10
Activations Density 0.226%