INDEX
Negative Logits
hou
-0.09
andere
-0.06
�n
-0.06
Zo
-0.06
ังไม
-0.06
LOG
-0.06
ınıza
-0.06
nouns
-0.06
gcd
-0.06
Porno
-0.06
POSITIVE LOGITS
remark
0.07
,为
0.07
.Work
0.06
Sent
0.06
sen
0.06
より
0.06
прор
0.06
sim
0.06
resident
0.06
,但
0.06
Activations Density 0.035%