UQ 数据集是由斯坦福大学联合华盛顿大学、北卡罗来纳大学等机构于 2025 年发布的评测基准，相关论文成果为「UQ: Assessing Language Models on Unsolved Questions」，旨在以真实且高难度的「未被人类社会解答的问题」来评估前沿大模型在推理、事实性与浏览方面的能力。

数据集由来自 Stack Exchange 平台的 500 个长期未解答问题构成，覆盖计算机科学理论、数学、科幻、历史等多主题，并采用「规则过滤 + LLM 评审 + 人工审核」收集管线，配套 UQ-Validators 用于候选答案的自动预筛与社区复核其特点是难而真实、异步评测、生成—验证分离，适用于前沿模型的推理/检索评测、长期进步跟踪与公开排行榜等场景。

数据分布：

• Science（科学）：395
• Technology（技术）：52
• Culture & Recreation（文化与休闲）：16
• Life & Arts（生活与艺术）：35