INDEX
Negative Logits
KL
-0.09
KL
-0.09
Kurt
-0.08
checkpoint
-0.08
ieder
-0.08
inactivity
-0.08
प्रक्रिया
-0.08
kl
-0.07
процесс
-0.07
situado
-0.07
POSITIVE LOGITS
Ass
0.10
yes
0.10
fy
0.10
0.10
y
0.10
ass
0.09
vara
0.09
assum
0.08
qy
0.08
Assume
0.08
Activations Density 0.001%