INDEX
Negative Logits
Ginger
-0.07
-0.07
(is
-0.06
06
-0.06
ugh
-0.06
ивает
-0.06
citt
-0.06
cy
-0.06
Copper
-0.06
fossils
-0.06
POSITIVE LOGITS
pred
0.15
Pred
0.11
Pred
0.11
pred
0.10
.pred
0.09
_pred
0.08
(pred
0.07
contrad
0.07
दम
0.07
jeden
0.07
Activations Density 0.003%