为降低全文件搜索空间带来的建模难度，团队采用多模型方案：新增一个专门的“位置模型”负责预测下一次编辑应该跳转到哪里，在位置被判定为有效后，再由原有 NES 生成模型在局部窗口内产出具体编辑内容。文章认为这种拆分可以让两个模型分别专注于空间意图与编辑质量，并支持在不影响核心编辑生成模型的情况下独立迭代位置预测能力。

团队先定义了一个结构化评估流程，从真实编辑工作流出发构造评测数据集，再用空间意图指标衡量效果，指标同时覆盖 jump 与 no-jump 两类情形。文章强调 no-jump 的必要性，因为不合时宜的跳转会打断节奏并削弱信任。训练数据方面，作者将开发者在文件中的编辑轨迹回放，把光标移动转换为训练样本，并用监督微调配合网格搜索获得基线效果，同时提到贝叶斯优化在该设置下未带来增益。