# Structure self_refine_exp/ ├── data/ │ ├── sample/ │ └── scifact/ │ ├── scifact_dev.jsonl │ └── scifact_train.jsonl │ ├── results/ │ ├── fever/ │ ├── scifact/ │ └── thresholds/ │ ├── scripts/ │ ├── convert_scifact_unified.py │ ├── run_vllm_qwen.sh │ ├── run_vllm_llama.sh │ ├── run_vllm_mistral.sh │ └── run_thresholds.sh │ ├── analysis/ │ ├── evaluation.py │ ├── extract_error_cases.py │ └── wandb_upload_eval.py │ ├── logs/ │ ├── vllm/ │ └── wordr/ │ ├── wandb/ │ ├── llm_client.py ├── llm_client_wordr.py ├── prompts.py ├── prompts_wordr.py ├── prompts_word_cand.py ├── prompts_ablation.py ├── rationale_refine_wordr.py ├── rationale_refine_word_cand.py ├── run_experiment.py ├── run_experiment_wordr.py ├── run_experiment_word_cand.py └── run_experiment_sample5.py python run_wordr.py \ --input data/scifact/scifact_dev.jsonl \ --dataset scifact \ --output results/scifact/qwen_scifact_wordr.jsonl \ --overwrite python run_wordr.py \ --input data/scifact/scifact_dev.jsonl \ --dataset scifact \ --top-k 5 \ --conf-threshold 0.2 \ --overwrite python run_wordcand.py \ --input data/scifact/scifact_dev.jsonl \ --dataset scifact \ --top-k 5 \ --conf-threshold 0.2 \ --overwrite Default top-k : 5 , confidence threshold : 0.2 # FEVER Baseline python run_baselines.py \ --input data/fever_3class_review_sample.jsonl \ --dataset fever \ --output results/fever/qwen_fever_baselines.jsonl \ --overwrite # FEVER Word-level rationale python run_wordr.py \ --input data/fever_3class_review_sample.jsonl \ --dataset fever \ --output results/fever/qwen_fever_wordr.jsonl \ --overwrite # SciFact Word-level rationale python run_wordr.py \ --input data/scifact/scifact_dev.jsonl \ --dataset scifact \ --output results/scifact/qwen_scifact_wordr.jsonl \ --overwrite # SciFact Word-level Candidate rationale python run_wordcand.py \ --input data/scifact/scifact_dev.jsonl \ --dataset scifact \ --output results/scifact/qwen_scifact_wordcand.jsonl \ --overwrite# sugeong