关于 DPO 的变种算法，下列描述正确的是：

Token-level DPO 旨在对句子中的每一个词元（Token）进行独立的奖励赋值，以实现更精细的信用分配

Reference-free DPO 彻底取消了 KL 散度约束，使得模型可以无限偏离原始分布

Reference-free DPO 主要是为了通过移除参考模型（Reference Model）来降低训练时的显存占用

Token-level DPO 只能应用于图像生成任务，不适用于文本生成