INDEX
    Explanations
    New Auto-Interp
    Negative Logits
    -0.07
     ruth
    -0.07
    латы
    -0.07
    งาน
    -0.07
    835
    -0.07
     platelet
    -0.07
     мед
    -0.07
    авед
    -0.07
     Rh
    -0.07
    -minded
    -0.07
    POSITIVE LOGITS
    ej
    0.08
    cej
    0.08
     probabilities
    0.08
    leit
    0.08
    east
    0.07
     präsent
    0.07
    isty
    0.07
    ěk
    0.07
     pagi
    0.07
     beob
    0.07
    Act Density 0.023%

    No Known Activations