INDEX
    Explanations
    New Auto-Interp
    Negative Logits
    χύ
    -0.08
    .nvim
    -0.07
    غراف
    -0.07
     synonyms
    -0.07
    ohu
    -0.07
    म्ब
    -0.07
    /[
    -0.07
    راقي
    -0.07
    acit
    -0.07
    国内
    -0.07
    POSITIVE LOGITS
    iają
    0.10
    ------+
    0.09
     jelen
    0.08
     فإذا
    0.08
    (Control
    0.08
     COL
    0.08
     oluş
    0.08
     SIZE
    0.07
     zich
    0.07
    -----------------------------------------------------------------------------
    0.07
    Act Density 0.001%

    No Known Activations