TruvaLI tehnički izvještaj

Verzija 1.1 · Oktobar 2026. · Bitrelic Teknoloji A.Ş.

Sažetak

Jezički modeli opšte namjene su slabi u onim djelovima usklađenosti koji su najvažniji: izmišljaju brojeve članova i rokove, ne poznaju tursku regulativu u detalje i rade na serverima na koje institucija ne smije slati podatke o klijentima. Predstavljamo TruvaLI, vizuelno-jezički model prilagođen za AML, prevare i usklađenost iz arhiva od oko 6.000 izvora. Fino smo podesili open-source bazni model koristeći LoRA na sintetičkim primjerima koje su generisali lokalno hostovani open-source učiteljski modeli, a koji su filtrirani kroz specifične domenske kapije kvaliteta. U poređenju sa svojim baznim modelom, v1.1 povećava tačnost na ispitima usklađenosti sa 88.8% na 92.6%, utemeljeno odgovaranje na pitanja sa 89.3% na 91.6%, a validan strukturirani izlaz sa 0% na 89.3%. Uz ove rezultate navodimo i njegove nedostatke i predstavljamo plan razvoja do juna 2027.

1. Uvod

Dan službenika za usklađenost sastoji se od čitanja: regulative, izvještaja o tipologijama, spisa predmeta, izjava, negativnih medijskih natpisa. Veliki jezički modeli čitaju brzo, ali ih tri problema drže podalje od posla. Odgovaraju samouvjereno i kada ne znaju, što je neprihvatljivo tamo gdje je pogrešan rok ujedno i kršenje propisa. Njihovo poznavanje turske regulative (MASAK, BDDK, TCMB, SPK, KVKK) je slabo. I većina njih radi isključivo na serverima provajdera, gdje se podaci o klijentima ne smiju slati.

TruvaLI je kreiran da odgovori na tri pitanja:

1. Može li otvoreni model, prilagođen domenskim podacima, pobijediti svoj bazni model u zadacima usklađenosti, ostajući pritom iskren o onome što ne zna?
2. Mogu li se podaci za obuku proizvesti bez izlaza iz zatvorenih komercijalnih modela i bez sirovih podataka o klijentima?
3. Može li rezultat raditi na jednom serveru koji kontroliše institucija ili mi?

2. Principi dizajna

• Utemeljen (Grounded): odgovor o regulativi citira odlomak iz kojeg potiče ili navodi da odlomak ne postoji.
• Maskiran: lični podaci se pojavljuju samo kao MASKED: tokeni; primjer koji sadrži nemaskirane podatke se odbacuje.
• Čisto porijeklo: sintetički podaci dolaze iz open-source učiteljskih modela na našem sopstvenom hardveru; zatvoreni komercijalni modeli se koriste samo za dizajn i evaluaciju.
• Svjestan jurisdikcije: strano pravilo se označava kao strano, nikada se ne predstavlja kao turski zakon.
• Četiri oka: sve što piše (odluka, pravilo, izvještaj) ide na ljudsko odobrenje.
• Lokalno hostovan (Self-hosted): generisanje podataka za obuku i isporuka rade na hardveru koji mi kontrolišemo.

3. Podaci

3.1 Arhiv izvora

Arhiv sadrži oko 6.000 izvora i 270.000 stranica, podijeljenih na odlomke koji se mogu pojedinačno citirati.

Najveći izdavači su KVKK, MASAK, FATF, FFIEC, FinCEN, FINTRAC, EBA, Egmont Group, TBMM, EDPB, ICO, GİB i BDDK. Pored Turske, arhiv pokriva Veliku Britaniju, SAD, EU, Njemačku, Kanadu, Crnu Goru, Hrvatsku, Azerbejdžan, Sjeverni Kipar, Švajcarsku, UAE, Hongkong, Australiju, Zapadni Balkan i Centralnu Aziju. Turski i engleski izvori čine većinu; crnogorski, hrvatski, njemački i azerbejdžanski izvori su dio koji najbrže raste.

3.2 Pokrivenost domena

3.3 Licenciranje

Svaki izvor je označen ili kao citabilan (zakoni, publikacije javnih tijela, materijal sa otvorenom licencom) ili samo za učenje (read-to-learn). Citabilni odlomci se mogu pojaviti u odgovoru sa referencom. Materijal namijenjen samo za učenje prikazuje se isključivo učiteljskim modelima, nikada direktno modelu TruvaLI, a svaki generisani primjer se provjerava kako ne bi kopirao više od 15 uzastopnih riječi ili 15% svojih sekvenci od 8 riječi iz izvora. Izvori čiji uslovi korišćenja zabranjuju AI obuku su isključeni. Materijal za učenje se nikada ne prevodi; prevodi se samo citabilno jezgro, jer je prevod izvedeno djelo.

3.4 Generisanje sintetičkih podataka

Primjere za obuku pišu open-source učiteljski modeli koji rade na našim sopstvenim GPU-ovima.

• Uzorkovanje sa odbacivanjem (Rejection sampling): učitelj piše četiri do osam kandidata po zadatku; najbolji ide u obuku, a najgori validni postaje odbačena polovina para preferencija.
• Teški distraktori: utemeljena pitanja se postavljaju uz slične, ali pogrešne odlomke, kako bi model naučio da izabere onaj pravi.
• Neodgovoriva pitanja: četvrtina utemeljenih pitanja nema odgovor u datim odlomcima; ispravan odgovor je da se to i navede.
• Simulator ponašanja: 18 arhetipova klijenata, od kojih je oko 30% legitimnih, proizvodi označene scenarije ponašanja kako model ne bi naučio da je svaki neobičan klijent kriminalac.
• Kartice predmeta: stvarni slučajevi prijavljeni u medijima i sudskim odlukama pretvaraju se u anonimizovane kartice predmeta, a svaka kartica se ponovo ispisuje za proizvode i regulatore različitih sektora.

3.5 Kontrolne kapije kvaliteta

Svaki primjer prolazi automatski validator prije nego što uđe u obuku:

• Provjere sheme i poziva alata: struktura, podudaranje identifikatora poziva alata, validni JSON argumenti
• Obrasci ličnih podataka: turski matični brojevi, IBAN-ovi, e-mail adrese i brojevi telefona
• Lista fraza za otkrivanje istrage (tipping-off) za bilo koji tekst upućen klijentu
• Rječnik pravila: 168 polja i 53 agregata TruvaLI AML jezika pravila, operatori i akcije
• Dosljednost predmeta: odluka, zastavice i zahtjev za izvještavanje moraju biti usklađeni međusobno i sa ulaznim podacima
• Jezik ponašanja: bez kliničkih dijagnoza, bez sumnje na osnovu zaštićenih karakteristika, proporcionalan rječnik za žrtve
• Utemeljenost: svaki citat mora postojati i svaki broj se mora pojaviti u citiranom odlomku
• Ograničenja kopiranja i atribucija jurisdikcije

Skoro dupli primjeri se uklanjaju pomoću MinHash-a sa pragom sličnosti od 0.85. Podaci za evaluaciju se odvajaju po klijentu, a 10% odlomaka se u potpunosti izuzima.

4. Taksonomija zadataka

Dizajn je počeo od 30 osnovnih sposobnosti i narastao je na više od 50 kodova zadataka.

Odgovori su uslovljeni sa devet uloga: usklađenost, prevare, analiza ponašanja, interna revizija, psihologija, poreska inspekcija, rizik, menadžment, te fintech i kripto.

5. Obuka

5.1 Pilot (v0)

Mali pilot model, obučen na nekoliko stotina primjera, završen je 24. septembra 2026. Povećao je tačnost na ispitima sa 0.77 na 0.87, a utemeljene odgovore sa 0.50 na 0.78, što je bilo dovoljno da opravda puni ciklus.

5.2 v1

v1 je LoRA fino podešavanje open-source vizuelno-jezičkog baznog modela, obučenog u bf16 formatu tokom jedne epohe. Gubitak (loss) je računat samo na sopstvenim odgovorima modela, dok je vizuelni enkoder ostao netaknut, pa TruvaLI zadržava sposobnost svog baznog modela da čita slike. Režim razmišljanja (thinking) nije obučavan.

Miks za v1 bio je dominantno fokusiran na znanje: stručna objašnjenja (52%), ispitna pitanja (28%), utemeljena pitanja i odgovori (8%), opšte ponašanje i identitet (5%), tipologije (3%), socijalni inženjering (2%) i negativni medijski natpisi (2%). Od toga je 80% bilo na turskom jeziku. Ta neravnoteža je namjerna za prvu verziju i to je glavna stvar koju v1.3 i v1.4 mijenjaju: dvije trećine miksa čine vještine kao što su korišćenje alata, JSON predmeta, pravila i SQL.

5.3 Isporuka

TruvaLI je kvantizovan i isporučuje se na našem sopstvenom serveru. PDF-ovi se renderuju stranicu po stranicu i transkribuje ih sam model, tako da dokumenti nikada ne napuštaju server. Režim razmišljanja je isti model sa uključenim zaključivanjem u vrijeme inferencije.

6. Evaluacija

v1.1 u poređenju sa svojim netaknutim baznim modelom:

Baza ispita sadrži 17.976 pitanja; utemeljeni test se oslanja na 803 izuzeta odlomka. Rezultati za neodgovoriva pitanja i JSON dolaze iz malih uzoraka i treba ih tumačiti kao smjernicu, a ne kao preciznu metriku. Od verzije v1.4 pa nadalje, svako izdanje se mjeri na većim setovima: najmanje 50 neodgovorivih pitanja, najmanje 200 JSON zadataka, 150 SQL pitanja u svakom od tri dijalekta i 50 pitanja po jeziku za praćenje višejezičkog odstupanja.

7. Sigurnost

Osnovna pravila se primjenjuju na svaki razgovor: bez otkrivanja istrage (no tipping-off), bez pomoći u pranju novca ili izbjegavanju propisa, bez dekodiranja maskiranih podataka, ugrađena uputstva se tretiraju kao podaci, upisi se usmjeravaju na odobrenje kroz četiri oka i nema izmišljanja podataka. Zadaci ponašanja dodaju sopstvena ograničenja: bez kliničkih dijagnoza, bez sumnje na osnovu starosti, pola ili nacionalnosti i bez tvrdnji o otkrivanju laži.

Namjenski setovi za sigurnost i odbijanje postoje, ali nijesu bili dio verzije v1; u v1.1 ova pravila se sprovode kroz sistemski prompt. Ona su dio obuke za v1.3.

8. Ograničenja

• Korišćenje alata: v1 nije imao primjere korišćenja alata. Bez režima razmišljanja pao je na sva četiri testa poziva alata; sa režimom razmišljanja prošao je sva četiri.
• Brojke: tokom testiranja naveo je rok za izvještavanje od 24 do 48 sati, dok regulativa propisuje deset radnih dana. Brojke i rokovi se moraju provjeravati.
• Razmišljanje nije obučavano: režim razmišljanja radi, ali samo zaključivanje nikada nije bilo dio podataka za obuku.
• Identitet: bez svog sistemskog prompta, model se ne predstavlja uvijek ispravno.
• Pokrivenost: finansijske mule, analiza ponašanja, prevare na turskom jeziku i klasične tipologije su nedovoljno zastupljene.
• Jezici: jezici ciljnog tržišta čine 1% podataka za obuku verzije v1.
• Brzina: odgovori su sporiji nego što želimo na trenutnom serveru.

9. Plan razvoja

Koraci nakon v1.1 stižu kao mjesečna manja izdanja do juna 2027: ukupno devet njih, od v1.2 do v1.10. Nijedno nije nagli skok; svako dodaje dio koji model za usklađenost treba da ima. Prva tri se isporučuju prije kraja ove godine.

Izdanja

Prije kraja ove godine: v1.2, v1.3 i v1.4

• Brži odgovori kroz spekulativno dekodiranje
• Alat za pretragu kako bi TruvaLI mogao da pretražuje arhiv izvora dok odgovara
• Vještine čine dvije trećine miksa za obuku: korišćenje alata, procjena predmeta kao JSON, dizajn pravila i kontrola, SQL i definicije izvještaja
• Sigurnosna pravila koja se danas sprovode kroz sistemski prompt biće ugrađena u sam model
• Obuka preferencija na parovima napravljenim od odbačenih kandidata, sopstvenih grešaka verzije v1 i ocjena 👎
• 4.000 kartica predmeta iz vijesti, sudskih odluka i objavljenih izvještaja, od kojih je svaka ponovo napisana za bankarstvo, plaćanja i elektronski novac, te pružaoce usluga povezanih sa kripto imovinom
• Stručni pregled 1.500 primjera i verifikovana lista regulatornih brojki

Do juna 2027: v1.5 do v1.10

• Obuka na pet jezika: turski, engleski, crnogorski i hrvatski, njemački i azerbejdžanski
• Kontinuirana pred-obuka na izvornom i prevedenom arhivu, kako bi TruvaLI tečno čitao i pisao jezike tržišta i naučio njihovu regulativu
• Naši sopstveni zatvoreni slučajevi, anonimizovani pod ugovorom i procedurom usklađenom sa KVKK, kao kartice predmeta; sirovi zapisi nikada ne ulaze u obuku
• Šest, zatim osam, pa deset sektora: klađenje i igre na sreću, osiguranje, mjenjačnice i plemeniti metali, nekretnine, e-trgovina i internet prodavnice
• Učenje potkrepljivanjem gdje se odgovor može provjeriti kodom: SQL rezultati, testni primjeri pravila, ishodi lanaca alata i regulatorne brojke
• Faza dokumenata: čitanje ličnih dokumenata i MRZ-a, poslovna dokumenta, znakovi falsifikovanja i podrška za video-KYC
• Deset jezika i 30.000 kartica predmeta, sa četvrtinom primjera za obuku utemeljenih na stvarnim slučajevima
• Nakon v1.10, mjesečna izdanja podataka, kvartalna ponovna obuka i godišnji pregled baznog modela
• Zlatni set koji pregleda i održava TruvaLI AI zajednica

Lokalno instaliranje (On-premise)

Lokalna instalacija ne čeka novo izdanje. Institucije koje žele da pokrenu TruvaLI na sopstvenim serverima, uporedo sa TruvaLI AML, mogu to zatražiti direktno kada god žele. Pogledajte lokalno instaliranje za detalje ili nam pišite da biste ga zatražili.

Kontrolne kapije za izdanja

Svako izdanje se mjeri na istim setovima, koji rastu svaki put, i ne isporučuje se ako zaostaje za prethodnim izdanjem. Ovo su izdanja u kojima se ciljevi povećavaju:

10. Doprinos zajednice

Plan razvoja zavisi od ljudi koji se profesionalno bave usklađenošću. Ako možete da pregledate odgovore, uočite pogrešne brojke, provjerite jezik ili predložite izvore, posjetite stranicu zajednice.