Stefan-CL은 지속적 학습의 안정성-가소성 딜레마를 해결하기 위해 물리 법칙을 활용했어요. 학습된 지식을 보호된 '고체' 영역, 활용되지 않은 용량은 '액체' 영역으로 표현하며, 이 경계를 확장하는 방식을 규정해요. 내재된 '잠열'을 조절하여 학습 내부를 수학적으로 고정함으로써 망각을 거의 0으로 줄였고, 기존 방식처럼 데이터를 저장하지 않으면서도 높은 성능을 유지했어요.