INDEX
Negative Logits
uem
-0.16
ham
-0.15
isque
-0.14
olla
-0.14
Nam
-0.14
kie
-0.13
abar
-0.13
à¤Łà¤¨
-0.13
.club
-0.13
Ham
-0.13
POSITIVE LOGITS
shine
0.14
ixin
0.14
isman
0.14
446
0.14
HORT
0.14
hort
0.14
ÄĽst
0.14
ATA
0.14
757
0.14
solution
0.14
Activations Density 0.003%