INDEX
Negative Logits
Conv
-0.08
TU
-0.08
(AF
-0.08
ciens
-0.07
gea
-0.07
Intersect
-0.07
hyd
-0.07
Pretty
-0.07
ght
-0.07
constraint
-0.07
POSITIVE LOGITS
ז
0.09
первую
0.08
kommer
0.08
земля
0.08
Januar
0.07
см
0.07
остан
0.07
наг
0.07
сорта
0.07
остальные
0.07
Activations Density 0.001%