INDEX
    Explanations
    New Auto-Interp
    Negative Logits
     سک
    -0.07
    elsen
    -0.07
    的话
    -0.06
     Wald
    -0.06
     insect
    -0.06
     freeway
    -0.06
    western
    -0.06
     Weld
    -0.06
    งส
    -0.06
     """
    ↵
    -0.06
    POSITIVE LOGITS
     China
    0.18
    China
    0.15
    -China
    0.12
     china
    0.08
    INA
    0.08
    .cn
    0.07
    TA
    0.07
     中国
    0.07
    -control
    0.07
    	cin
    0.07
    Act Density 0.013%

    No Known Activations