前段时间帮人看一份哲学方向的 RP，那位同学写了三页创新点，读完我只记住了一句话："本研究提出了一个新的理论框架。"我问他这个框架新在哪，他说：综合了几种已有理论。这个问题其实不限于哲学——几乎每个方向的 RP，创新点都是最容易写成空话的部分。正好最近在查香港大学哲学系一位导师的工作，他的研究恰恰在讲一件事：你用来表达创新的那些概念本身，可能就有问题。
这位导师的背景
Herman Cappelen（何曼·卡佩伦），香港大学哲学系 Chair Professor（讲座教授）。他是挪威科学院院士和欧洲科学院院士，博士毕业于加州大学伯克利分校。在来港大之前，他先后在奥斯陆大学、圣安德鲁斯大学和牛津大学工作过。目前他是哲学期刊 Inquiry 的主编，也是港大 AI&Humanity Lab 的创始人和主任。Google Scholar 上被引用超过 8,300 次，出版了 11 部学术专著，大部分由牛津大学出版社出版。
放在哲学界这是一份很重的履历。双院士加伯克利博士的背景，加上牛津大学出版社的专著序列，说明他在分析哲学领域的国际影响力是第一梯队的。
他的方向最近在做什么
Cappelen 最近几年的研究集中在两个交叉领域：AI 哲学和概念工程（Conceptual Engineering）。
概念工程是他从 2018 年的专著Fixing Language开始系统推进的方向。简单说就是：哲学的核心活动不只是分析概念，更重要的是评估和改进我们使用的概念。你用的词不准确，你的理论就不可能准确。这本书是 OUP 开放获取的，被引用了很多次，基本上把概念工程从一个零散的哲学实践变成了一个系统的哲学分支。
2021 年他和 Josh Dever 合著了Making AI Intelligible，把概念工程的思路直接用到了 AI 领域。核心问题是：我们应该怎么理解和诠释 AI 的语言输出？他们的答案是用外在主义语义学（externalist metasemantics）——不是看 AI 内部发生了什么，而是看 AI 的输出在什么社会和语言环境中被使用和解释。
最新的一篇是 2025 年发在 Philosophical Studies 上的AI Safety: A Climb To Armageddon?，和 Dever、Hawthorne 合著。这篇论文做了一件挺大胆的事：论证某些被广泛推崇的 AI 安全措施，可能反而会增加存在性风险。不是说安全研究不该做，而是指出安全研究使用的核心概念——比如"对齐"（alignment）——本身可能就是含糊的，在这种含糊概念基础上制定的安全策略，可能会产生意想不到的后果。
从这些进展看 RP 的"创新点"怎么写
Cappelen 的工作给 RP 写作提供了一个很少有人意识到的角度：创新点的表述质量，首先取决于你使用的核心概念是否精确。
我见过很多 RP 的创新点部分都是这种模式：
Before：看起来像那么回事的版本"本研究的创新点在于，首次将概念 X 引入领域 Y 的分析框架，提出了一个整合性的理论模型，弥补了现有研究的不足。"审稿人追问："概念 X 在领域 Y 里意味着什么？你确定它在原领域和你使用的领域里是同一个意思？如果意思不同，你的整合凭什么成立？"
After：经得起追问的版本"现有研究将概念 X 用于领域 Y 时，通常沿用其在原领域的操作化定义。但在领域 Y 的语境中，该定义遗漏了关键维度 Z。本研究重新界定了 X 在 Y 中的适用边界，并基于这一修正提出新的分析框架。"差别在于：后者先做了概念层面的工作，然后基于修正后的概念提出框架。这恰恰是 Cappelen 说的概念工程——先修概念，再建理论。
如果是我，我会这样构思创新点
假设你要写一份 AI 伦理方向的 RP，你打算研究 AI 系统的"可解释性"（explainability）。
第一步：审视核心概念。"可解释性"在计算机科学文献里通常指模型输出的技术性可追溯。但在哲学语境中，"解释"是一个有几百年讨论历史的概念，涉及因果解释、功能解释、叙事解释等完全不同的类型。你的 RP 用的是哪一种？如果你没有明确，审稿人就会追问。
第二步：定位概念缺口。Cappelen 在Making AI Intelligible中指出，当前 AI 可理解性研究的一个核心问题是，大多数人假设理解 AI 需要了解 AI 的内部机制。但外在主义语义学告诉我们，语言的意义不在说话者的头脑里，而在使用的社会环境中。推到 AI 上就是：理解 AI 的输出，不一定需要打开黑箱，而是需要理解 AI 输出被使用和解释的社会情境。这就是一个概念层面的缺口。
第三步：基于概念修正提出研究问题。"在外在主义语义学框架下，AI 可解释性的评价标准应该如何重新设定？"
第四步：说清楚创新点为什么不是"换了个说法"。这个创新点不是把已有研究用新术语重新包装，而是改变了评价维度——从"模型内部是否可追溯"变成"输出在使用场景中是否可被正确理解"。这两种评价指向完全不同的研究方法和政策建议。
几个注意事项
这个思路——先审概念、再建框架——不只适用于哲学方向。任何学科的 RP，如果你的创新点是"引入了一个新概念"或"提出了一个新框架"，都可以反问自己：你引入的那个概念，在目标领域和来源领域的含义一样吗？如果不一样，你做了概念层面的修正工作吗？
如果你的背景不是分析哲学，不需要读完 Cappelen 所有的书。但Fixing Language的第一章值得任何学科的博士申请者花一个小时看一下，它能帮你重新审视自己 RP 里那些看似没问题的关键词。这本书是 OUP 开放获取的，直接搜就能下载。
跨学科申请的同学要特别注意：同一个词在不同学科可能指完全不同的东西。"可解释性"在计算机、法学、哲学里的含义差距很大。如果你的 RP 涉及跨学科概念，一定要在创新点部分明确你用的是哪个学科的定义，以及你做了哪些调整。
套磁和面试可以怎么切入
如果你想申请 Cappelen 课题组或者类似方向，套磁信可以从他的概念工程框架切入——但不要泛泛说"我对概念工程很感兴趣"。你可以具体说：你注意到某个特定领域的核心概念存在哪些问题（比如"可解释性"的歧义），你打算用概念工程的方法做什么。
面试的时候，这类导师最想听到的不是你读了多少文献，而是你能不能对一个概念提出有理有据的质疑。"你怎么看 alignment 这个概念？"——如果你能给出一个有理由的回答，比"我读过 XX 篇论文"有用得多。
一句话总结：写创新点，先修概念。概念不对，框架就是空架子。
创新点写法对比卡：大多数学生怎么写 vs 看完前沿应该怎么写
| 常见写法 | 改进写法 |
| 首次将X引入Y | X在Y中的含义与原领域不同,本研究修正了其操作化定义 |
| 提出整合性框架 | 整合的前提是概念兼容,本研究先解决了A和B的概念冲突 |
| 弥补研究空白 | 空白存在的原因是Z概念的歧义,本研究重新界定后发现该空白是伪问题/真缺口 |
点个「在看」让更多人看到。想第一时间收到更新，记得星标「Mason硕博申请手记」。
你的 RP 里，创新点经得起"你这个概念跟原来一样吗"这个追问吗？
参考来源
1. Cappelen, H. & Dever, J.,Making AI Intelligible: Philosophical Perspectives, Oxford University Press (Open Access), 2021.
2. Cappelen, H. & Dever, J. & Hawthorne, J.,AI Safety: A Climb To Armageddon?, Philosophical Studies, 2025.
3. Cappelen, H.,Fixing Language: An Essay on Conceptual Engineering, Oxford University Press (Open Access), 2018.
导师信息来源：香港大学哲学系官网 (philosophy.hku.hk)；HKU Musketeers Foundation Institute of Data Science 官网；Herman Cappelen 个人学术主页 (hermancappelen.net)。检索日期：基于公开数据。
Google Scholar 页面：Herman Cappelen, citations 8,341+, University of Hong Kong.
