INDEX
    Explanations
    New Auto-Interp
    Negative Logits
     borderline
    -0.08
    TAB
    -0.08
    addon
    -0.08
    moz
    -0.08
     pamam
    -0.08
     baño
    -0.07
    เรียน
    -0.07
    -0.07
    లేదు
    -0.07
     Therap
    -0.07
    POSITIVE LOGITS
     tratt
    0.08
    0.08
    0.08
     Ik
    0.07
    comb
    0.07
    0.07
    958
    0.07
     Lauf
    0.07
     Versuch
    0.07
    .tr
    0.07
    Act Density 0.003%

    No Known Activations