B.回归模型只是根据已有数据总结出了其中包含的线性关系，然后对于新样本进行预测，但是预测值与真实值之间可能是存在差异的； C.一元线性回归模型的基本形式一般是包含常数项的； D.回归模型中的估计系数是对应真实系数的无偏估计

正确答案是：A 和 C。

### 分析：

A: 一元线性回归只需要求解出两个参数系数即可
- 正确。一元线性回归模型的基本形式是 \(Y = \beta_0 + \beta_1 X + \epsilon\)，其中 \(\beta_0\) 是截距（intercept），\(\beta_1\) 是斜率（slope）。因此，只需要求解出两个参数系数 \(\beta_0\) 和 \(\beta_1\)。

B: 对于新来的样例，建立好的一元线性回归模型可以做出准确的预测
- 错误。虽然一元线性回归模型可以对新数据进行预测，但预测的准确性取决于模型的拟合效果、数据的分布以及新数据是否符合模型的假设。因此，不能保证一定会做出准确的预测。

C: 一元线性回归模型的基本形式是 \(Y = \beta_0 + \beta_1 X + \epsilon\)，其中 \(\beta_1\) 为系数，\(\epsilon\) 为随机误差
- 正确。一元线性回归模型的基本形式确实是 \(Y = \beta_0 + \beta_1 X + \epsilon\)，其中 \(\beta_0\) 是截距，\(\beta_1\) 是斜率，\(\epsilon\) 是随机误差项。

D: 一元线性回归模型的估计系数是对应真实值的有偏估计
- 错误。在一元线性回归模型中，使用最小二乘法（Ordinary Least Squares, OLS）估计的系数是无偏估计（unbiased estimates），即在样本量足够大的情况下，估计值的期望等于真实值。

综上所述，正确答案是 A 和 C。