在word2vec中，Skip-Gram和CBOW是两种用于生成词向量的模型，它们的主要区别在于预测的方向不同：

- **Skip-Gram模型**：以中心词预测上下文词。这意味着，给定一个中心词，模型尝试预测周围的上下文词。因此，A选项是正确的。

- **CBOW模型**：以上下文词预测中心词。这意味着，给定上下文中的词，模型尝试预测中心词。因此，B选项是正确的。

基于以上分析，正确答案是：A和B。

### 专业分析
- **Skip-Gram模型**：
- 优势：在处理低频词汇时表现较好，因为每个中心词可以与多个上下文词进行训练。
- 工作方式：给定一个输入词（中心词），模型通过最大化预测正确上下文词的概率来训练。

- **CBOW模型**：
- 优势：在小数据集上速度较快，并且在多线程下能够更高效地训练。
- 工作方式：通过平均或合并上下文词的向量，然后预测中心词。

### 总结对比

| 特性 | Skip-Gram | CBOW |
|---------------|-------------------------------------|-------------------------------------|
| 预测方向 | 中心词→上下文词 | 上下文词→中心词 |
| 优势 | 处理低频词汇表现好 | 训练速度快，提高小数据集效率 |
| 数据利用方式 | 每个中心词与多个上下文词交互 | 使用多个上下文词平均预测中心词 |

通过了解这两种模型的性质，可以根据具体应用需求选择合适的词向量生成方法。