关于支持向量机（SVM）的损失函数，以下是各选项的分析：

A. **线性可分的情况下，损失函数可以保证无误分类点**：
在线性可分的情况下，SVM的目标是找到一个超平面将不同类别的数据完全分开，因此损失函数在最优解时是可以保证无误分类点的。该说法正确。

B. **线性可分情况下，损失函数可以保证找到最大间隔**：
SVM通过最大化分类超平面与支持向量之间的间隔来优化模型，因此它能够在线性可分的情况下找到最大间隔超平面。该说法正确。

C. **线性可分情况下，损失函数的约束条件为**：
在标准的线性SVM中，约束条件通常是关于分类超平面的每个点的正确分类，即 \( y_i (w \cdot x_i + b) \geq 1 \)。该选项不完整，没有给出具体约束条件。

D. **可使用SMO算法求解基对偶形式**：
序列极小优化算法（SMO）是用于解决SVM对偶问题的一种有效算法，所以该说法正确。

综上所述，正确答案是：A, B, D。