チップ配置は現代のチップ設計において重要なステージであり、その後のプロセスや最終的なチップの品質に大きな影響を与えます。ブラックボックス最適化（BBO）は数十年にわたりチップ配置に利用されてきましたが、初期の取り組みは問題定式の未熟さと非効率的なアルゴリズム設計に限定されていました。最近の進展により、BBOの有効性と効率性が証明され、最先端の結果を実現する潜在能力が示されています。しかし、分野にはBBO特化の統一されたベンチマークが不足しており、さまざまな問題定式やBBOアルゴリズムの評価が困難です。そこで、BBOPlace-Benchを提案し、これはチップ配置タスクのために特別に設計された初のベンチマークであり、柔軟かつモジュラーなフレームワークを提供します。実験結果では、マスク指向最適化とハイパーパラメータ最適化が優れた性能を示す一方で、進化アルゴリズム（EA）が他の手法よりも高次元の探索空間でより良い全体的な性能を発揮することが明らかになっています。