ИнфоМ - Часопис за информационе технологије и мултимедијалне системе

Optimizacija upita velikih jezičkih modela korišćenjem DSPy okvira

Tara Milojković — Sun, 09 Aug 2026 09:17:48 +0000

Veliki jezički modeli pokazuju osetljivost na formulaciju upita, zbog čega ručni prompt inženjering često daje nestabilne i troškovno neefikasne rezultate. DSPy okvir nudi programski pristup u kom se upit posmatra kao parametar koji se može sistematski učiti i optimizovati. Cilj rada je da se ispita koliko DSPy automatska optimizacija poboljšava klasifikaciju zlonamernih upita u odnosu na ručno definisane upite, uz ograničen budžet i strog izlazni format. Za potrebe eksperimenta korišćen je model GPT-4.1-nano i DSPy program (Signature + dspy.Predict), sa MIPROv2 optimizator, uz varijante SIMBA i COPRO. U odnosu na baznu liniju (makro-F1=0,248), DSPy bez optimizacije podiže učinak na 0,689, dok MIPROv2 dostiže 0,878 (context=empty) i 0,936 (context=true), vrlo blizu gornje granice od 0,955. Rizik značajno opada, a narušavanje formata je ≈0%. Ablacija pokazuje da je rewrite jači pojedinačni doprinos (0,904) od samih primera (0,885), dok njihova kombinacija daje najbolji rezultat (0,936), uz umereno veći rizik. DSPy pretvara dizajn upita u reproduktivan, merljiv i troškovno svestan proces. Precizno preformulisanje pravila i sažet domenski kontekst daju najviši doprinos, a kombinovanje sa nekoliko primera omogućava da se približi gornjoj granici učinka bez modifikacije težina modela.

Razvoj modela za detekciju ubrizgavanja upita u jezičkim modelima

Dušica Golubović — Sun, 09 Aug 2026 09:23:40 +0000

Ubrizgavanje upita (eng. prompt injection) predstavlja jedan od najznačajnijih bezbednosnih izazova u savremenim sistemima zasnovanim na velikim jezičkim modelima, jer omogućava zlonamernim korisnicima da zaobiđu ograničenja i izmene ponašanje modela. Ovaj rad ispituje mogućnost primene prethodno treniranih jezičkih modela zasnovanih na BERT arhitekturi u zadatku detekcije ubrizgavanja upita nakon procesa finog podešavanja.Eksperimentalni deo rada obuhvata doobuku i evaluaciju više BERT-baziranih modela na tri različita skupa podataka: javnom skupu preuzetom sa platforme Kaggle, nezavisnom test skupu sa platforme Hugging Face, kao i ručno konstruisanom skupu upita na srpskom jeziku. Performanse modela procenjene su primenom standardnih metrika binarne klasifikacije, sa posebnim osvrtom na odziv i F1 meru zbog nebalansirane raspodele klasa i bezbednosne prirode zadatka.Rezultati ukazuju na ograničenu sposobnost generalizacije modela na nezavisnom Hugging Face skupu podataka, dok su značajno bolji rezultati ostvareni na srpskom skupu, što potvrđuje sposobnost modela da se uspešno prilagode jezički specifičnom kontekstu. MiniLM-L6 model pokazao je najpovoljniji odnos preciznosti i odziva, dok je dodatna optimizacija hiper-parametara donela samo ograničena poboljšanja.

Evaluacija kompaktnih modela dubokih neuronskih mreža za klasifikaciju rendgenskih snimaka grudnog koša

Vojislav Stevanović, Pavle Milošević — Sun, 09 Aug 2026 09:25:23 +0000

Detekcija abnormalnosti na rendgenskim snimcima grudnog koša prvenstveno je izazovna usled vremenskih ograničenja i prevelike opterećenosti medicinskih stručnjaka. Neravnomerna raspodela i povremeno nepouzdane labele dodatno otežavaju pouzdanu izgradnju automatizovanih sistema baziranih na neuronskim mrežama. U ovom radu istražene su tri kompaktne arhitekture neuronskih mreža: MobileNetV4, EfficientFormerV2 i EdgeNeXt i upoređene su njihove performanse na ovom zadatku. Korišćenjem binarne klasifikacije i focal gubitka realizovana je adaptacija svakoj od abnormalnosti posebno, time omogućavajući drugačiji pristup od češće korišćene multi-label metode. Modeli su obučavani nad NIH ChestX-ray14 skupom podataka uz trostruku stratifikovanu unakrsnu validaciju i minimalne augmentacije u korist očuvanja strukture slika. EdgeNeXt i MobileNetV4 ostvaruju konkurentne performanse u odnosu na veće, tradicionalne mreže, sa prosečnim ROC AUC vrednostima od 79,59% i 77,73%, dok EfficientFormerV2 postiže 70,95%. Rad potvrđuje potencijal efikasnih modela za primenu u kliničkim uslovima i otvara mogućnosti integracije automatskog generisanja izveštaja kao i objašnjivosti modela.

Pregled modela zrelosti u oblasti informacionih sistema: dizajn, struktura i uticaj veštačke inteligencije

Marija Đukić — Sun, 09 Aug 2026 00:00:00 +0000

Informacioni sistemi igraju ključnu ulogu u podržavanju i strateških ciljeva i operativnih aktivnosti organizacija. Modeli zrelosti su se pojavili kao alati za procenu sposobnosti organizacije i da usmere napredak ka višim nivoima zrelosti. Ovaj rad predstavlja sistematski pregled literature usmeren na identifikaciju zajedničkih strukturnih komponenti u modelima zrelosti u oblasti informacionih sistema. Šesnaest modela, razvijenih za različite oblasti primene, analizirano je kako bi se otkrili zajedniči elementi u dizajnu, metodama procene i kriterijumima procene. Dodatno, rad istražuje uticaj veštačke inteligencije na putanje zrelosti i strukture modela, analizirajući njen potencijal da ubrza napredak i nove izazove koje uvodi.

Generisanje poslovne logike softverskog sistema u nastavnom procesu

Ana Trujić — Sun, 09 Aug 2026 09:38:09 +0000

Tokom izrade seminarskih radova na predmetu Projektovanje softvera, koji se izvodi na Fakultetu organizacionih nauka Univerziteta u Beogradu, studenti često prave sintaksne i semantičke greške u fazama prikupljanja korisničkih zahteva i analize. Greške koje studenti prave otežavaju dalji razvoj njihovih softverskih sistema, a nastavnici više vremena provode u otklanjanju tih grešaka, nego u diskusiji o konkretnim domenima problema. Kako bi se unapredio proces izrade dokumentacije razvijen je SILAB generator. SILAB generator je alat pomoću kojeg se automatizuje proces definisanja poslovne logike softverskog sistema. U okviru rada objašnjen je način upotrebe SILAB generatora u radu sa studentima, kao i prednosti i ograničenja predloženog pristupa u nastavi. Osnova SILAB generatora su metamodeli, odnosno unapred definisani šabloni konceptualnih modela, koji usmeravaju studente kroz proces definisanja koncepata domena problema, relacija između njih i slučajeva korišćenja. Na osnovu unetih podataka, generator generiše dokument koji sadrži prve dve faze SILAB metode, faze prikupljanja korisničkih zahteva i analize. Prema iskustvu nastavnika, primenom ovog alata česte sintaksne i semantičke greške koje su studenti pravili su se smanjile. Takođe, postignut je uniforman izgled seminarskih radova.

Shadow it ili digitalno osnaživanje?Pokretači i inhibitori lcnc razvoja u kontekstu digitalne transformacije

Lena Đorđević Milutinović, Lazar Raković, Amra Kapo — Sun, 09 Aug 2026 09:41:47 +0000

Digitalna transformacija povećava potrebu organizacija za brzim razvojem softverskih rešenja, ali istovremeno otvara pitanje da li Low-Code/No-Code (LCNC) platforme predstavljaju izvor nekontrolisanog shadow IT-a ili mehanizam digitalnog osnaživanja korisnika. Cilj rada je identifikacija i analiza pokretača i inhibitora LCNC razvoja u poređenju sa tradicionalnim razvojem softvera. Istraživanje je sprovedeno kombinacijom sistematskog pregleda literature i višestruke studije slučaja zasnovane na polustrukturiranim intervjuima u 20 organizacija. Podaci su analizirani korišćenjem mešovitih metoda, kroz odvojenu kvantitativnu i kvalitativnu analizu i njihovu integraciju. Rezultati pokazuju da ispitanici LCNC razvoj povezuju sa brzinom implementacije, pristupačnošću i uključivanjem neprogramera, dok se tradicionalni razvoj vezuje za pouzdanost i usklađenost sa regulativom. Istovremeno, identifikovani su značajni rizici, uključujući zavisnost od dobavljača, bezbednosne izazove i pojavu shadow IT-a. Posebno je uočen paradoks iskustva, jer veća upotreba LCNC alata povećava svest o njihovim ograničenjima i istovremeno jača vrednovanje tradicionalnih razvojnih pristupa. Nalazi ukazuju da LCNC ne predstavlja zamenu za tradicionalni razvoj, već novi sloj digitalne infrastrukture čiji uspeh zavisi od balansiranja agilnosti i okvira upravljanja. Rad doprinosi razumevanju odnosa između tehnološke dostupnosti i organizacione kontrole u digitalnoj transformaciji.