关于数据集和模型类型的更多上下文会有所帮助，但很可能您的模型对训练数据过度拟合。这意味着您的模型正在从训练数据中获取噪音，并且基本上已经“记住”了它所看到的数据。

因此，该模型不可泛化，这导致它在未见过的数据集上的性能相对较差，这解释了 40% 的验证准确度。