服务 / 投稿前数据异常检测
在正式投稿前，把明显数据风险和表格不一致提前暴露出来。
投稿前数据异常检测面向已经形成论文初稿、统计表格或投稿材料的团队，围绕数据表、统计结果、关键数值和图表逻辑进行异常线索检查，帮助团队在提交前完成必要复核。
表格一致性检查样本量核对统计结果复核关键数值异常图表逻辑检查投稿前质控
表格结构核查
检查论文表格、组别、变量、单位、统计指标和表注之间是否存在明显不一致。
数值异常识别
关注样本量、百分比、均值标准差、P 值、区间估计和跨表重复数值中的异常线索。
论文上下文对照
将表格结果与正文描述、图表表达和研究设计进行对照，定位需要人工复核的位置。
风险线索交付
输出可供团队逐项确认的问题清单，不替代最终学术判断，但帮助提前发现明显风险。
产品 / MICA 澄镜
守护学术声誉，让明显风险止步投稿前。
MICA 澄镜是一套人工智能驱动的投稿前数据复核系统。它以论文、数据表和统计结果为核心输入，通过多智能体协作理解研究材料、识别表格结构、规划质检方案，并输出可供人工复核的风险线索与检查结果。
表格提取 Agent
从不规则 Excel sheet 中识别真实数据表区域，将合并单元格、多层表头、空行分隔、备注说明和多个表格混排等非标准布局转化为结构化表格。
表格理解 Agent
结合论文上下文理解样本、分组、变量、统计指标、单位、表注和关键数值含义，判断表格表达的研究对象与统计语境。
质检规划 Agent
根据基线资料表、结局指标表、回归分析表、生存分析表和亚组分析表等不同类型，规划更贴近论文语境的检查策略。
人工复核边界
不替代研究者、统计师、伦理审查或期刊审稿人的专业判断，也不直接判定学术不端；系统提示的异常仍需结合原始数据和研究设计人工确认。