INDEX
Negative Logits
planes
-0.28
ä¹ĭéģĵ
-0.28
ppe
-0.27
gı
-0.27
è¿IJæ°Ķ
-0.27
icap
-0.27
iou
-0.26
ios
-0.26
rollers
-0.25
kits
-0.25
POSITIVE LOGITS
Domin
0.27
å¼·ãģı
0.26
ä¸ĭåij¨
0.25
ocket
0.24
æĪij们认为
0.24
ä½łæĺ¯
0.24
å®ĥæĺ¯
0.23
åij¨å²ģ
0.23
åħ¨éĿ¢èIJ½å®ŀ
0.23
为主ä½ĵ
0.23
Activations Density 0.022%