EpiWorld: Grounding LLM Policy Agents in Epidemiological World Models
作者: Zeeshan Memon, Yiqi Su, Kai Shu, Naren Ramakrishnan, Liang Zhao
分类: cs.CL
发布日期: 2026-10-02
备注: Accepted to Findings of EMNLP 2026. 22 pages
💡 一句话要点
提出EpiWorld以解决流行病政策推理问题
🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture) 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 流行病建模 政策推理 大型语言模型 公共卫生 机器学习
📋 核心要点
- 现有的流行病政策推理方法缺乏必要的流行病动态和监测信号，导致决策效果不佳。
- EpiWorld通过将LLM与学习的流行病世界模型结合，提供了一个闭环框架以改进政策推理过程。
- 实验结果表明，EpiWorld在流行病预测和政策干预效果上显著优于传统的强化学习和最优控制基线。
📝 摘要（中文）
流行病干预政策是人类决策者通过自然语言进行解读、论证和修订的文本产物，因此大型语言模型（LLM）成为流行病政策推理的自然候选者。然而，简单的LLM缺乏预测干预后果所需的流行病动态、评估严重性所需的定量监测信号以及定义可接受行动的制度约束。本文提出EpiWorld，一个闭环框架，将LLM政策代理与学习的基于行动的流行病世界模型和分层的公共卫生协议、监测工具及通过事后分析积累的适应性经验相结合。该模型能够预测区域流行病演变，并快速进行反事实推演，为政策选择和改进提供反馈。通过对COVID-19和流感数据集的评估，EpiWorld在所有预测基线中实现了最佳的峰值均方误差，并在多个LLM基础上将累计住院率降低了高达59%。
🔬 方法详解
问题定义：本文旨在解决流行病干预政策推理中的不足，现有方法无法有效捕捉流行病动态和监测信号，导致决策不够准确。
核心思路：EpiWorld的核心思路是将大型语言模型与学习的流行病世界模型相结合，通过模拟流行病演变来优化政策选择和改进过程。
技术框架：EpiWorld的整体架构包括三个主要模块：学习的流行病世界模型、分层的公共卫生技能库和闭环反馈机制。模型首先预测流行病演变，然后通过反事实推演提供决策反馈。
关键创新：EpiWorld的创新在于将LLM与流行病动态模型结合，形成一个闭环系统，使得政策推理过程具备更高的可解释性和可控性，这是现有方法所缺乏的。
关键设计：在设计上，EpiWorld采用了基于行动的流行病模型，结合了多种公共卫生协议和监测工具，并通过事后分析积累适应性经验，以提高模型的实用性和准确性。
🖼️ 关键图片
📊 实验亮点
EpiWorld在实验中表现出色，流行病世界模型在所有预测基线中实现了最佳的峰值均方误差（Peak-MAE），并且闭环框架在多个数据集上将累计住院率降低了高达59%，平均降低约16%。这些结果表明该方法在流行病政策推理中的有效性和优越性。
🎯 应用场景
EpiWorld的研究成果在公共卫生领域具有广泛的应用潜力，能够为流行病干预政策的制定和优化提供科学依据。通过更准确的流行病预测和政策评估，能够有效降低疫情对社会的影响，提升公共卫生应对能力。未来，该框架还可以扩展到其他领域，如自然灾害应对和公共安全管理。
📄 摘要（原文）
Epidemic intervention policies are textual artefacts that human decision-makers interpret, justify, and revise through natural language, making large language models a natural candidate for epidemic policy reasoning. A naive LLM, however, lacks the epidemic dynamics needed to project intervention consequences, the quantitative surveillance signals required to assess severity, and the institutional constraints that define admissible actions. We present EpiWorld, a closed-loop framework that grounds an LLM policy actor in a learned action-conditioned epidemiological world model and a tiered skill library of public-health protocols, surveillance tools, and adaptive lessons accumulated through after-action analysis. Given a candidate intervention, the world model predicts regional epidemic evolution and enables fast counterfactual rollouts that provide feedback for policy selection and refinement. Outcomes of simulated futures are distilled into reusable lessons while protocol constraints remain fixed, allowing the decision process to improve without sacrificing interpretability or controllability. We evaluate both the world model and the end-to-end framework on retrospective COVID-19 and Influenza datasets: the world model achieves the best out-of-distribution Peak-MAE among all forecasting baselines, and the closed-loop framework reduces cumulative hospitalisation by up to 59% across datasets and by an average of ~16% across six LLM backbones, outperforming reinforcement-learning and optimal-control policy baselines.