有限元分析（Finite Element Analysis，FEA）是现代工程设计的关键支撑，但它的工作流程本身就相当复杂，并且高度依赖专业领域知识。正因如此，研究者一直在探索如何借助大语言模型（LLM）减轻这一流程中的人工负担。然而，现有将 LLM 引入 FEA 的方案仍存在明显局限：一方面难以处理多模态输入，另一方面在执行复杂任务时可靠性不足。针对这些问题，一篇于 2026 年 5 月 27 日提交到 arXiv 的预印本论文提出了 VFEAgent，一个旨在直接从输入图像和问题描述出发，自动完成 FEA 建模与仿真的端到端多智能体系统。
该论文标题为《VFEAgent: A Multimodal Agent Framework for End-to-End Automated Finite Element Analysis》，作者包括 Jiachen Zhang、Junyi Lao 等共九位研究者，其中 Jiachen Zhang 与 Junyi Lao 为共同第一作者，通讯作者为 Songfang Huang。论文标注为 9 页、3 幅图、2 张表，属于预印本，收录于 arXiv 的人工智能（cs.AI）分类，并同时涉及计算工程、金融与科学（cs.CE）方向，编号为 arXiv:2605.28978v1。
从方法上看，VFEAgent 的设计围绕两个核心组件展开。第一个是多模态视觉-语言多智能体流水线，它采用 ReAct 驱动的推理方式，从异构输入中提取结构化的 FEA 规格说明，从而把图像与文字描述转化为可供后续执行的建模参数。第二个是“验证优先”的代码合成框架，其中内置了稳健的自调试机制与回退机制，用于保证生成的代码既能实际运行，又符合物理意义上的有效性。这两部分结合起来，使系统能够覆盖从理解输入到产出可执行仿真的完整链路。
在评估方面，研究团队在多种工程力学场景下对系统进行了系统性测试。结果显示，VFEAgent 在生成完整且物理有效的仿真方面取得了较高的成功率，在可靠性与正确性上均优于基于 LLM 的基线方法。作者认为，这些结果验证了自动化完整 FEA 工作流的可行性，也说明该框架有潜力把工程师从繁琐的手工分析中解放出来。需要指出的是，该研究目前仍以预印本形式发布，相关结论尚待同行评审与更广泛的独立验证；论文也尚未提供代码与数据的公开链接信息。
从更广的意义上看，这项工作代表了 LLM 在工程仿真领域应用的一种思路转变：不再只是把语言模型当作辅助问答工具，而是将其组织为具备推理、代码生成与自我校验能力的多智能体系统，以端到端方式承担专业软件流程中的关键环节。若后续研究能够进一步扩展场景覆盖范围并验证其稳健性，这类框架有望降低有限元分析的使用门槛，改变工程师与仿真工具之间的协作方式。