fix(solve): random_walk 的 start 校验恢复后收尾（文案/空格/测试）

两条口径由用户第二轮改定，Codex 顺手补工程侧。

- 用户：恢复 start 的入口类型校验；n_steps/n_paths 注解放宽为 int | np.integer
- Codex：start 报错文案"必须是整数" -> "必须是数值"（这条校验本来就收 float，原文案自相矛盾），
  类型名统一 type(x).__name__；n_paths 默认值补空格；docstring 的 start 说明与 Raises 同步
- tests：start="a" 恢复断言 TypeError；补回 np.int64 的 n_steps/n_paths；solve 段 42 条
- 验证：209 收集 / 178 passed / 31 skipped / 0 xfail，ruff 0，pyright 0
- docs：STATUS 决策 55（方阵歧义两条路）+ 验证计数；CHANGELOG

src/mcm_toolkit/solve/simulate.py

@@ -335,8 +335,8 @@ def monte_carlo_integral(
 
 
 def random_walk(
-    n_steps: int,
-    n_paths: int = 1,
+    n_steps: int | np.integer,
+    n_paths: int | np.integer = 1,
     step_sampler: Callable[..., Any] | None = None,
     start: float = 0.0,
     random_state: int | None = None,
@@ -354,7 +354,7 @@ def random_walk(
         必须返回形状 `(n_paths, n_steps)` 的数组（契约同 `monte_carlo` 的 `sampler`，只是这里是二维）。
         默认 ±1 等概率（对称随机游走）。
     start:
-        起点，写进每条路径的第 0 列（**入口不校验类型**，传非数值会落到失败分支）。
+        起点，写进每条路径的第 0 列。
     random_state:
         随机种子。`None` 时跟随 `core.set_seed` 的全局流，见 `core.random.get_rng`。
 
@@ -367,6 +367,7 @@ def random_walk(
     ------
     TypeError:
         `n_steps` / `n_paths` 不是整数。
+        `start` 不是数值。
     ValueError:
         `n_steps` / `n_paths` 不是正整数。
 
@@ -397,6 +398,9 @@ def random_walk(
     if n_paths <= 0:
         raise ValueError(f"n_paths 必须是正整数，你传入了 {n_paths}")
 
+    if not isinstance(start, (int, float, np.number)):
+        raise TypeError(f"start 必须是数值，你传入了 {type(start).__name__}")
+
     rng = get_rng(random_state)
 
     if step_sampler is None:
@@ -425,7 +429,7 @@ def random_walk(
         paths[:, 0] = start
         paths[:, 1:] = start + cumsum
 
-        terminal_positions = paths[:, -1]  # 取最后一列，得到 n_paths 个终点位置
+        terminal_positions = paths[:, -1]
         metrics = {
             "mean_terminal": float(np.mean(terminal_positions)),
             "std_terminal": float(np.std(terminal_positions))