Add demo link and transformers.js usage

README.md

@@ -24,6 +24,9 @@ datasets:
 [intfloat/multilingual-e5-base](https://huggingface.co/intfloat/multilingual-e5-base) on ~380k Turkish–English
 abstract pairs written by the authors of articles on [DergiPark](https://dergipark.org.tr).
 
+**Demo:** [huggingface.co/spaces/musapeker/tr-en-sci-search](https://huggingface.co/spaces/musapeker/tr-en-sci-search)
+(runs entirely in the browser).
+
 > **Türkçe özet:** Türkçe sorguyla İngilizce bilimsel makale bulmak için eğitilmiş bir embedding modeli.
 > DergiPark'taki yazarların kendi yazdığı Türkçe–İngilizce başlık, özet ve anahtar kelime çiftleriyle eğitildi.
 > Eğitimde hiç görülmemiş dergilerden oluşan test kümesinde, kendisinin yaklaşık iki katı büyüklükteki
@@ -74,6 +77,18 @@ print(model.similarity(q_emb, d_emb))  # first document scores highest
 
 For best results, index documents as `passage: <English title>. <English abstract>`.
 
+### In the browser (transformers.js)
+
+An int8 ONNX export (`onnx/model_quantized.onnx`, 279 MB) is included. On 1,000 test queries against 1,000 documents,
+R@1 is 0.990 for the PyTorch model and 0.988 when int8 query embeddings are matched against PyTorch document embeddings.
+
+```js
+import { pipeline } from "@huggingface/transformers";
+
+const extractor = await pipeline("feature-extraction", "musapeker/tr-en-sci-e5-base", { dtype: "q8" });
+const out = await extractor(["query: tahrir defterleri ve Osmanlı nüfus tarihi"], { pooling: "mean", normalize: true });
+```
+
 ## Training
 
 | | |