INDEX
Negative Logits
$img
-0.07
kvinne
-0.07
ERS
-0.07
nelze
-0.07
цять
-0.07
xx
-0.07
kern
-0.07
=add
-0.06
gắn
-0.06
изображ
-0.06
POSITIVE LOGITS
401
0.13
801
0.12
501
0.12
601
0.11
301
0.11
901
0.10
701
0.10
203
0.10
101
0.10
503
0.10
Activations Density 0.044%