INDEX
Negative Logits
terminate
-0.26
ches
-0.25
ëĵ¬
-0.24
Closet
-0.24
Down
-0.24
imon
-0.23
onsense
-0.23
Lik
-0.23
imiters
-0.23
дон
-0.23
POSITIVE LOGITS
UGH
0.28
ór
0.26
åħ´èĩ´
0.24
,,,,
0.24
resa
0.24
heels
0.23
quel
0.23
ï¸
0.23
гоÑĢ
0.22
ðŁĴ¦
0.22
Activations Density 0.108%