INDEX
Negative Logits
It
-0.08
it
-0.08
136
-0.08
Kate
-0.07
marca
-0.07
at
-0.07
JE
-0.07
characterized
-0.07
_RECORD
-0.07
Kate
-0.07
POSITIVE LOGITS
ный
0.09
στον
0.09
первый
0.09
один
0.08
ський
0.08
перший
0.08
этот
0.08
τον
0.08
ющий
0.07
ний
0.07
Activations Density 0.097%