在线重排序 Demo
粘贴查询和候选段落。cross-encoder 对每一对打分；bi-encoder 代理（词元重叠）展示独立嵌入为何会排错序。可对比两个模型、分享链接，或开启 WebGPU 加速推理。
Loading model
模型对比
对齐差异 —— 同一 passage，两个模型
| # | Passage | Δ 分数 | Δ 名次 |
|---|
Copy results:
隐私与成本：一切通过 transformers.js 在 ONNX Runtime Web 上本地运行。查询和段落不离开浏览器，无 API 密钥、无按次计费 —— 本页因此可免费且防滥用。
Demo 工作原理
模型是 cross-encoder：不把查询与段落分别嵌入，而是将 (query, passage) 成对送入网络，输出单一相关性分数。中间列为 bi-encoder 代理（仅词元重叠），便于理解余弦式检索在重排前为何常排错。
- 查询与每条候选段落配对。
- 每对分词后送入 cross-encoder。
- 输出 logit 压缩为 0–1 相关性分数。
- 按分数排序；与 bi-encoder 代理列对比。
这与 RAG 流水线 第二阶段相同 —— 只不过在浏览器标签页完成，而非 API 背后。
提示：查询框 Enter 运行，段落框 Ctrl+Enter，Esc 清空。复制分享链接发给同事。开启双模型对比可看 jina-tiny 与 mxbai-xsmall 在边界案例上的分歧。