INDEX
Negative Logits
Kylie
-0.08
Steve
-0.08
ige
-0.08
rne
-0.07
์เน
-0.07
Vince
-0.07
เย
-0.07
ing
-0.07
Grove
-0.07
ge
-0.07
POSITIVE LOGITS
or
0.14
AR
0.14
OR
0.13
ar
0.12
IR
0.10
ур
0.09
ur
0.09
ir
0.09
UR
0.09
zar
0.09
Activations Density 0.460%