在多元线性回归模型中，变量筛选是一个重要的步骤，常用的方法包括AIC准则、前向筛选法和后向筛选法。针对题目中的选项，逐一进行分析：

A: AIC准则是通过自变量个数与残差平方和的平衡来选择模型
- 这句话是正确的。AIC（Akaike信息准则）是一个用于模型选择的准则，它在考虑模型拟合优度的同时，也对模型的复杂度进行惩罚。AIC值越小，模型越好。

B: AIC值越大说明模型效果越好
- 这句话是错误的。AIC值越小，说明模型在平衡拟合优度和复杂度方面表现得越好。因此，AIC值越小，模型效果越好。

C: 前向筛选法是将所有自变量一次性放入模型进行检验，然后根据偏回归平方和的大小逐个删除不显著的变量
- 这句话是错误的。前向筛选法实际上是从一个空模型开始，然后逐步加入显著的变量。每次加入一个新的变量，直到没有显著变量可以加入为止。描述的是后向筛选法的过程。

D: 在后向筛选法中，如果变量的偏回归平方和很大，则应该将其保留
- 这句话是正确的。在后向筛选法中，从包含所有自变量的全模型开始，然后逐步删除不显著的变量。如果某个变量的偏回归平方和很大，说明它对模型有显著贡献，因此应该将其保留。

综合以上分析，正确答案是：A, D。