本文表示的发展过程基本是从One-Hot编码的词集模型->词袋模型->词嵌入模型。词集模型和词袋模型属于离散式表示，词嵌入模型属于分布式表示。TF-IDF是一种统计方法，用以评估某一字词对于一个文件集或一个语料库的重要程度。word2vec模型和Glove模型都属于词嵌入模型,他们都无法解决多义词的问题，所以才发展出后来的ELMO模型。

正确答案是：A、C、D

专业分析如下：

A: 常用的文本表示方式有：离散式表示和分布式表示
- 这句话是正确的。文本表示方式主要分为两类：离散式表示（如One-hot表示）和分布式表示（如词向量表示）。

B: TF-IDF模型是分布式表示方式
- 这句话是错误的。TF-IDF（Term Frequency-Inverse Document Frequency）是一种离散式表示方法，它通过计算词频和逆文档频率来衡量词的重要性，但并不生成连续的数值向量。

C: GLOVE 模型得到的词向量不能解决多义词的问题
- 这句话是正确的。GloVe（Global Vectors for Word Representation）模型生成的词向量是静态的，即每个词只有一个固定的向量表示，无法区分多义词在不同上下文中的不同含义。

D: ELMO模型训练的词向量可以解决多义词的问题
- 这句话是正确的。ELMo（Embeddings from Language Models）模型生成的词向量是动态的，能够根据上下文生成不同的词向量，从而有效地解决多义词的问题。