INDEX
    Explanations
    New Auto-Interp
    Negative Logits
     positions
    -0.09
     Bod
    -0.08
     plur
    -0.08
    的位置
    -0.07
     rhe
    -0.07
     coch
    -0.07
     chle
    -0.07
     posisi
    -0.07
     prosp
    -0.07
     paix
    -0.07
    POSITIVE LOGITS
    زار
    0.08
    Discovery
    0.08
     ਸ਼
    0.08
     Discovery
    0.07
    Discover
    0.07
    Exe
    0.07
    Shot
    0.07
    ظر
    0.07
     Discover
    0.07
    ins
    0.07
    Act Density 0.011%

    No Known Activations