arXiv 2026年10月5日EpiWorld 提出一个闭环框架，把 LLM 政策智能体锚定在可学习的、以干预为条件的流行病学世界模型和分层技能库（公共卫生协议、监测工具、事后分析积累的经验）上，世界模型预测区域疫情演化并支持快速反事实推演，为政策选择与修正提供反馈；在 COVID-19 与流感回溯数据上，该世界模型在分布外 Peak-MAE 上优于所有预测基线，闭环框架在多个数据集上把累计住院最多降低 59%、在六个 LLM 主干上平均降低约 16%，优于强化学习与最优控制基线。EpiWorld 提出一个闭环框架，把 LLM 政策智能体锚定在可学习的、以干预为条件的流行病学世界模型和分层技能库（公共卫生协议、监测工具、事后分析积累的经验）上，世界模型预测区域疫情演化并支持快速反事实推演，为政策选择与修正提供反馈；在 COVID-19 与流感回溯数据上，该世界模型在分布外 Peak-MAE 上优于所有预测基线，闭环框架在多个数据集上把累计住院最多降低 59%、在六个 LLM 主干上平均降低约 16%，优于强化学习与最优控制基线。EpiWorld 将 LLM 政策智能体接入流行病学世界模型，在 COVID-19 与流感回溯数据上把累计住院最多降低 59%EpiWorld 提出一个闭环框架，把 LLM 政策智能体锚定在可学习的、以干预为条件的流行病学世界模型和分层技能库（公共卫生协议、监测工具、事后分析积累的经验）上，世界模型预测区域疫情演化并支持快速反事实推演，为政策选择与修正提供反馈；在 COVID-19 与流感回溯数据上，该世界模型在分布外 Peak-MAE 上优于所有预测基线，闭环框架在多个数据集上把累计住院最多降低 59%、在六个 LLM 主干上平均降低约 16%，优于强化学习与最优控制基线。EpiWorld 提出一个闭环框架，把 LLM 政策智能体锚定在可学习的、以干预为条件的流行病学世界模型和分层技能库（公共卫生协议、监测工具、事后分析积累的经验）上，世界模型预测区域疫情演化并支持快速反事实推演，为政策选择与修正提供反馈；在 COVID-19 与流感回溯数据上，该世界模型在分布外 Peak-MAE 上优于所有预测基线，闭环框架在多个数据集上把累计住院最多降低 59%、在六个 LLM 主干上平均降低约 16%，优于强化学习与最优控制基线。