电子科技大学的论文《Experience Memory Graph》提出了一种通过图匹配范式改进智能体错误恢复的新方法。该方法在训练阶段将成功与失败轨迹转化为有向图，在测试时一次性检索纠正策略，避免了传统反思循环的低效和高成本。实验结果表明，EMG在ALFWorld和ScienceWorld基准上优于现有方法，提升了准确率和效率，适用于小型语言模型。