INDEX
Negative Logits
GRA
-0.07
etiyle
-0.07
erg
-0.06
$c
-0.06
比赛
-0.06
muit
-0.06
command
-0.06
sut
-0.06
Тер
-0.06
decline
-0.06
POSITIVE LOGITS
eur
0.07
off
0.07
Off
0.07
NING
0.06
on
0.06
On
0.06
λον
0.06
ON
0.06
_on
0.06
olds
0.06
Activations Density 0.002%