INDEX
Negative Logits
ichtigen
-0.08
саж
-0.08
ώς
-0.08
াস্ত
-0.08
써
-0.08
יכער
-0.08
қою
-0.07
хорош
-0.07
ינ
-0.07
込み
-0.07
POSITIVE LOGITS
/X
0.14
treme
0.12
=X
0.11
,X
0.11
avier
0.11
:X
0.10
Jinping
0.10
.X
0.10
ħra
0.10
qqaat
0.10
Activations Density 0.043%