防疫干预是文本政策，但普通大模型缺少推演干预后果的流行病动力学、判断严重度的监测信号，以及界定可行动作的机构约束。EpiWorld把LLM政策智能体接到一个以动作为条件的流行病世界模型上，用反事实推演筛选候选干预，并把推演结果沉淀为可复用的经验条目。在回顾性新冠与流感数据上，完整配置相对历史参考政策把8周累计住院降低59.3%（真实美国Omicron），六个LLM骨干平均约降16%。
防疫政策智能体现在可以先在学到的流行病动力学里试跑干预，再决定是否采纳。 此前统计与神经预测器估计最可能发生什么，因果推断方法估计回顾性干预效应，强化学习与最优控制依赖预设动力学或仿真环境。 在12周自回归推演中，EpiWorld在三个数据集的分布外Peak-MAE上都优于所有基线，相对最接近的对手EARTH + Policy分别约好6%、4%和8%（新冠SEIR、流感SEIR、真实美国Omicron）。
系统由两部分咬合：一个按区域预测疫情演化的世界模型，和一个按公共卫生规程出招的语言模型政策执行者。 世界模型把延迟感知的时间编码、图结构的区域耦合、残差下一步预测和以政策为条件的隐状态调制结合起来，让干预改变隐状态的每个通道而不只是作为普通协变量进入。 政策执行者分三层调用技能库：规程约束固定可选动作范围，监测技能给出Rt、严重度比等量化摘要，自适应经验条目调整监测参数；在新冠SEIR状态分布外划分上，相对EARTH + Policy的Peak-MAE优势在50个留出重复上配对Wilcoxon检验p = 0.039。
闭环的增益主要来自语言模型在何时何地花掉相近的干预预算，事后经验条目再补上一小部分。 换成同一技能库上的固定严重度比例规则、完全不调用语言模型时，只能拿到基础LLM降幅的59%，而平均干预强度几乎相同（0.485对约0.50）；基础LLM本身已占大部分差距，技能演化再增加2.8个百分点。 在新冠SEIR状态分布外划分上，把全部方法放回生成语料的机制仿真器重跑，排序完全保持，各方法落在其模型内数值的0.97到1.16倍之间；对最强基线EpidRLearn的优势在独立仿真器上为73%，大于模型内的58%。
评估覆盖回顾性新冠与流感数据：真实美国各州周度监测，以及按真实流动性校准的新冠与流感SEIR生成语料，政策推演为8周视野。系统定位是辅助公共卫生决策者的建议与反事实推演层，最终决定与责任仍在人类操作者手中。
经验条目按提炼时的感染情景校准，跨情景不可通用：在Omicron下挖掘的条目用于全易感人群的第一波（R0约1.7至2.9）时，结果反而恶化12.1%。跨世界模型同样不保证可迁移：在真实美国世界模型下挖掘的条目用于合成SEIR世界模型，在五个留出分布外州上合并表现恶化12.1%。在基线误差本就很低的州（FL、NJ、CA），乘性修正过度施加，单州MAE回升。五成员集成给出的可靠性信号排序良好（Spearman ρ = 0.83），但分布偏窄，名义95%区间只覆盖约68%的结果，不能当作校准区间。
