diff --git a/chapters/sr/chapter1/10.mdx b/chapters/sr/chapter1/10.mdx
index 4808534ae..667e14f83 100644
--- a/chapters/sr/chapter1/10.mdx
+++ b/chapters/sr/chapter1/10.mdx
@@ -21,7 +21,7 @@ Ali pre svega, hajde da testiramo šta smo naučili u ovom poglavlju!
       text: "Klasifikacija teksta",
       explain:
         "Preciznije, klasifikuje da li su dve rečenice logički povezane preko tri labele (contradiction, neutral, entailment) — zadatak koji se još zove <em>natural language inference</em>.",
-      correct: tačno,
+      correct: true,
     },
     {
       text: "Generisanje teksta",
@@ -56,7 +56,7 @@ ner("My name is Sylvain and I work at Hugging Face in Brooklyn.")
       text: "Vratiće reči koje predstavljaju osobe, organizacije ili lokacije.",
       explain:
         'šta više, sa <code>grouped_entities=True</code>, grupisaće reči koje pripadaju istom entitetu, kao "Hugging Face".',
-      correct: tačno,
+      correct: true,
     },
   ]}
 />
@@ -80,7 +80,7 @@ result = filler("...")
     {
       text: "This [MASK] has been waiting for you.",
       explain: "Ispravno! Mask token ovog modela je [MASK].",
-      correct: tačno,
+      correct: true,
     },
     {
       text: "This man has been waiting for you.",
@@ -105,7 +105,7 @@ result = classifier("This is a course about the Transformers library")
       text: "Ovaj pipline zahteva da mu se daju labele da bi klasifikovao ovaj tekst.",
       explain:
         "Tačno — tačan kod mora da uključi <code>candidate_labels=[...]</code>.",
-      correct: tačno,
+      correct: true,
     },
     {
       text: "Ovaj pipline zahteva više od jedne rečenice.",
@@ -136,7 +136,7 @@ result = classifier("This is a course about the Transformers library")
       text: "Prenošenje znanja istreniranog modela na novi model inicijalizovanjem drugog modela sa težinama prvog modela.",
       explain:
         "Tačno: kada je drugi model treniran na novom zadatku, on *prenosi* znanje prvog modela.",
-      correct: tačno,
+      correct: true,
     },
     {
       text: "Prenošenje znanja istreniranog modela na novi model praveći drugi model sa istom arhitekturom kao i prvi model.",
@@ -154,7 +154,7 @@ result = classifier("This is a course about the Transformers library")
       text: "Tačno",
       explain:
         "Pretraining faza je obično <em>self-supervised</em>, što znači da se labele automatski kreiraju iz ulaza (kao predikcija sledeće reči ili popunjavanje maskiranih reči).",
-      correct: tačno,
+      correct: true,
     },
     {
       text: "Netačno",
@@ -181,7 +181,7 @@ result = classifier("This is a course about the Transformers library")
       text: "Arhitektura je niz matematičkih funkcija za izgradnju modela, a težine su parametri tih funkcija.",
       explain:
         "Isti skup matematičkih funkcija (arhitektura) može se koristiti za izgradnju različitih modela primenom različitih parametara (težina).",
-      correct: tačno,
+      correct: true,
     },
   ]}
 />
@@ -199,7 +199,7 @@ result = classifier("This is a course about the Transformers library")
       text: "Dekoder model",
       explain:
         "Dekoder modeli su savršeni za generisanje teksta na osnovu prompta.",
-      correct: tačno,
+      correct: true,
     },
     {
       text: "Sequence-to-sequence model",
@@ -226,7 +226,7 @@ result = classifier("This is a course about the Transformers library")
     {
       text: "A sequence-to-sequence model",
       explain: "Sequence-to-sequence modeli su savršeni za sumarizaciju.",
-      correct: tačno,
+      correct: true,
     },
   ]}
 />
@@ -239,7 +239,7 @@ result = classifier("This is a course about the Transformers library")
       text: "Enkoder model",
       explain:
         "Enkoder model generiše reprezentaciju cele rečenice što je jako pogodno za zadatak kao što je klasifikacija.",
-      correct: tačno,
+      correct: true,
     },
     {
       text: "Dekoder model",
@@ -262,18 +262,18 @@ result = classifier("This is a course about the Transformers library")
       text: "Model je fine-tuned verzija istreniranog modela i pokupio je njegove pristrasnosti.",
       explain:
         "Kada se primenjuje Transfer Learning, pristrasnost istreniranog modela koji se koristi ostaje prisutna u fine-tuned modelu.",
-      correct: tačno,
+      correct: true,
     },
     {
       text: "Podaci na kojima je model treniran su pristrasni.",
       explain: "Ovo je najočigledniji izvor pristrastnosti, ali ne i jedini.",
-      correct: tačno,
+      correct: true,
     },
     {
       text: "Metrika na osnovu koje je model optimizovan je pristrasna.",
       explain:
         "Manje očigledan izvor pristrasnosti je način na koji je model treniran. Vaš model će slepo pratiti optimizaciju za bilo koju metriku koju odaberete, bez ikakvog razmišljanja.",
-      correct: tačno,
+      correct: true,
     },
   ]}
 />